論文の概要: FSS-Net: Frequency-Spatial Synergy Network with Wavelet Attention for Carotid Artery Ultrasound Segmentation

• arxiv url: http://arxiv.org/abs/2606.10378v1
• Date: Tue, 09 Jun 2026 03:40:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-10 15:40:58.300903
• Title: FSS-Net: Frequency-Spatial Synergy Network with Wavelet Attention for Carotid Artery Ultrasound Segmentation
• Title（参考訳）: FSS-Net: 頸動脈超音波分節に対するウェーブレット留置型周波数空間シナジーネットワーク
• Authors: Jiawei Liu, Zhijiang Wan, Junhua Hu, Rongli Zhang, Zhongbiao Xu, Yankun Cao, Yuan Chen, Jin Hong,
• Abstract要約: 本稿では,高周波空間シナジーネットワーク(FSS-Net)を提案する。 このネットワークはウェーブレット変換、マルチドメインアテンション、エッジ拡張を統一エンコーダデコーダアーキテクチャに統合する。 頸動脈超音波データセットの実験により、FSS-Netは96.46%のDiceスコア(DSC)を達成し、低SNR条件下では強い堅牢性を示す。
• 参考スコア（独自算出の注目度）: 11.152127159739736
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate segmentation of carotid arteries in ultrasound imaging is critical for stroke risk assessment. However, speckle noise, low contrast, and blurred boundaries remain major challenges. In this paper, we propose a Frequency-Spatial Synergy Network (FSS-Net) to achieve noise-robust and high-precision carotid artery segmentation. The network integrates wavelet transform, multi-domain attention, and edge enhancement into a unified encoder-decoder architecture. Specifically, a Channel-Spatial-Wavelet Attention (CSWA) module is designed to suppress noise and purify semantic features in the frequency domain. A Wavelet-Enhanced Bottleneck (WEB) module is introduced to capture long-range global dependencies efficiently. Furthermore, a Laplacian-Guided Adaptive Edge Fusion (LAEF) module compensates high-frequency details and maintains boundary continuity. Extensive experiments on carotid ultrasound datasets show that FSS-Net achieves a Dice score (DSC) of 96.46% and strong robustness under low SNR conditions, outperforming several state-of-the-art methods. This method realizes accurate segmentation of carotid artery in ultrasonic imaging, effectively identifies carotid atherosclerotic plaque, and is verified by other task (such as segmentation of breast cancer), suggesting that it has good clinical application potential in identifying abnormal tissue masses in ultrasonic images.
• Abstract（参考訳）: 超音波画像における頸動脈の正確な分節化は脳卒中リスク評価に重要である。 しかし、スペックルノイズ、低コントラスト、ぼやけた境界は依然として大きな課題である。 本稿では,高周波空間シナジーネットワーク(FSS-Net)を提案する。 このネットワークはウェーブレット変換、マルチドメインアテンション、エッジ拡張を統一エンコーダデコーダアーキテクチャに統合する。 具体的には、Channel-Spatial-Wavelet Attention (CSWA)モジュールは、ノイズを抑え、周波数領域のセマンティックな特徴を浄化するために設計されている。 Wavelet-Enhanced Bottleneck (WEB) モジュールが導入された。 さらに、Laplacian-Guided Adaptive Edge Fusion (LAEF)モジュールは高周波の詳細を補償し、境界連続性を維持する。 頸動脈超音波データセットの大規模な実験により、FSS-Netは96.46%のDiceスコア(DSC)を達成し、低SNR条件下では強い堅牢性を達成し、いくつかの最先端手法よりも優れていることが示された。 超音波画像における頸動脈の正確なセグメンテーションを実現し、頸動脈硬化プラークを効果的に同定し、他のタスク(乳がんのセグメンテーションなど)で検証し、超音波画像における異常組織塊の同定に優れた臨床応用可能性を示唆する。

関連論文リスト

• Echo-DM: Ultrasound Marker Removal via Conditional Latent Diffusion and Region-Aware Fusion [50.02433280054874]
  マーカーは下流の自動分析にショートカットバイアスを導入することができる。 条件付き潜伏拡散と領域認識融合による超音波マーカー除去のためのフレームワークであるEcho-DMを提案する。 大規模な超音波検査データセットであるEcho-PAIRの実験は、優れたマーカー除去と強力な解剖学的忠実さを示す。
  論文  参考訳（メタデータ） (2026-06-08T11:56:33Z)
• FrequencyCT: Frequency domain pseudo-label generation for self-supervised low-dose CT denoising [8.709309633329585]
  周波数CTは低用量CTにおける周波数領域における擬似ラベル生成のための最初のゼロショット自己教師法である。 高周波領域における位相保存振幅変調とマスク摂動は、自己監督のための擬似ラベルデータを生成する。
  論文  参考訳（メタデータ） (2026-05-11T13:55:03Z)
• FAD-Net: Frequency-Domain Attention-Guided Diffusion Network for Coronary Artery Segmentation using Invasive Coronary Angiography [5.0119372803973965]
  冠状動脈分節の精度を高めるために,周波数領域解析に基づく新しいディープラーニングモデルを提案する。 FAD-Netは、冠動脈セグメンテーションにおいて平均Dice係数0.8717を達成し、既存の最先端法よりも優れている。 真の陽性率は0.6140であり、狭窄検出における正の予測値は0.6398であり、臨床応用性を示している。
  論文  参考訳（メタデータ） (2025-06-13T04:10:48Z)
• WaveNet-SF: A Hybrid Network for Retinal Disease Detection Based on Wavelet Transform in Spatial-Frequency Domain [17.472443086214962]
  本稿では,空間領域と周波数領域の学習を統合することで網膜疾患の検出を向上させる新しいフレームワークWaveNet-SFを提案する。 このフレームワークはウェーブレット変換を利用して、OCT画像を低周波成分と高周波成分に分解する。 提案手法は,OCT-C8データセットとOCT 2017データセットでそれぞれ97.82%,99.58%の最先端(SOTA)分類精度を実現する。
  論文  参考訳（メタデータ） (2025-01-21T03:10:52Z)
• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• AiAReSeg: Catheter Detection and Segmentation in Interventional Ultrasound using Transformers [75.20925220246689]
  血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。 本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-25T19:34:12Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• ADRN: Attention-based Deep Residual Network for Hyperspectral Image Denoising [52.01041506447195]
  ノイズの多いHSIからクリーンなHSIへのマッピングを学習するために,注目に基づくディープ残差ネットワークを提案する。 実験の結果,提案手法は定量的および視覚的評価において最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-03-04T08:36:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。