論文の概要: CSWinUNETR: Segmentation of Thin Anatomical Structures in Medical Images

• arxiv url: http://arxiv.org/abs/2606.19824v1
• Date: Thu, 18 Jun 2026 06:01:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-19 18:23:39.675484
• Title: CSWinUNETR: Segmentation of Thin Anatomical Structures in Medical Images
• Title（参考訳）: CSWinUNETR: 医用画像における薄い解剖構造の分割
• Authors: Junho Moon, Haejun Chung, Ikbeom Jang,
• Abstract要約: CSWinUNETRは,2次元および3次元の薄膜セグメンテーションのための汎用バックボーンである。 長い範囲の主軸コンテキストをモデル化するために、クロス形状の自己注意を採用し、ストリップ間の情報交換を強化するために循環シフトを取り入れている。 タスク固有の後処理やトポロジに注意を払わずに、最先端のメソッドを一貫して上回ります。
• 参考スコア（独自算出の注目度）: 0.01268579273097071
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Accurate segmentation of thin, tortuous anatomical structures, such as retinal vessels, cerebral vasculature, and facial wrinkles, remains challenging due to low contrast, frequent discontinuities, and severe class imbalance. Although recent convolutional and Transformer-based models have improved performance, they often yield fragmented predictions and fail to recover fine branches. We propose CSWinUNETR, a general-purpose backbone for 2D and 3D thin-structure segmentation. It employs cross-shaped stripe self-attention to model long-range principal-axis context and incorporates cyclic shifts to enhance information exchange across stripes. To better preserve fine-grained details, we further introduce a detail-enhanced multi-scale self-attention module that aggregates contextual features from multi-resolution representations. In addition, we propose sparse-control dynamic snake convolution, which reconstructs reliable dense curvilinear kernels from sparsely predicted control points to better follow tortuous geometry. Extensive experiments on four benchmarks across ophthalmology, neurovascular imaging, and dermatology demonstrate that CSWinUNETR consistently outperforms state-of-the-art methods without task-specific post-processing or topology-aware losses. The code is available at https://github.com/labhai/CSWinUNETR.
• Abstract（参考訳）: 低コントラスト、頻繁な不連続性、重度の階級不均衡により、網膜血管、脳血管、顔のしわなどの細い解剖学的構造の正確なセグメント化は依然として困難である。 最近の畳み込みモデルとトランスフォーマーベースのモデルでは性能が向上しているが、しばしば断片化された予測が得られ、細かな分岐の回復に失敗する。 CSWinUNETRは,2次元および3次元の薄膜セグメンテーションのための汎用バックボーンである。 長い範囲の主軸コンテキストをモデル化するために、クロス型のストライプ自己注意を採用し、ストリップ間の情報交換を強化するために、循環シフトを取り入れている。 細かな細部をよく保存するため,マルチレゾリューション表現からコンテキスト特徴を集約する細部強化されたマルチスケール自己認識モジュールについても紹介する。 さらに,細かな制御点から信頼性の高い高密度カービリニアカーネルを再構成し,厳密な幾何に追従できるスパース制御ダイナミックスネークコンボリューションを提案する。 眼科、神経血管画像、皮膚科の4つのベンチマークに関する大規模な実験は、CSWinUNETRがタスク固有の後処理やトポロジに注意を払わずに常に最先端の手法より優れていることを示した。 コードはhttps://github.com/labhai/CSWinUNETRで公開されている。

関連論文リスト

• VessShape: Few-shot 2D blood vessel segmentation by leveraging shape priors from synthetic images [0.11458853556386794]
  セグメンテーションモデルに形状バイアスを注入するように設計された大規模2次元合成データセットを生成する手法であるVessShapeを紹介する。 VessShapeの画像には、手続き的に生成された管状地形と、さまざまな前景と背景のテクスチャが組み合わされている。 本研究では,VessShape画像上で事前学習したモデルが,異なる領域の2つの実世界のデータセットに対して,強力な数ショットセグメンテーション性能を実現することを示す。
  論文  参考訳（メタデータ） (2025-10-31T17:19:33Z)
• PASC-Net:Plug-and-play Shape Self-learning Convolutions Network with Hierarchical Topology Constraints for Vessel Segmentation [9.102738065373615]
  PASCNetと呼ばれる新しい容器分割フレームワークを提案する。 コンボリューションカーネル設計を最適化するプラグイン・アンド・プレイ型のセルフラーニング・コンボリューション(SSL)モジュールと、トポロジ的制約を通じて血管接続を保証する階層型トポロジカル・制約(HTC)モジュールである。 nnUNetフレームワークに統合された場合,本手法は複数の指標において他の手法よりも優れ,最先端の血管セグメンテーション性能が得られた。
  論文  参考訳（メタデータ） (2025-07-05T11:28:35Z)
• A Novel Hybrid Approach for Retinal Vessel Segmentation with Dynamic Long-Range Dependency and Multi-Scale Retinal Edge Fusion Enhancement [0.3611754783778107]
  既存の方法は、マルチスケールの船の変動性、複雑な曲率、曖昧な境界といった課題に対処する。 本稿では,CNNとMambaを相乗的に統合した新しいハイブリッドフレームワークを提案する。 本手法は血管の連続性維持と低コントラスト領域の血管の分断を効果的に行う上で,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2025-04-18T08:41:35Z)
• A Novel Convolutional-Free Method for 3D Medical Imaging Segmentation [0.0]
  畳み込みニューラルネットワーク(CNN)がこの分野を支配し、3次元の医用画像セグメンテーションで大きな成功を収めている。 TransUNetやnnFormerのような最近のトランスフォーマーベースのモデルは、これらの制限に対処することを約束している。 本稿では,トランスアーキテクチャと自己認識機構に基づく,新しい完全畳み込みフリーモデルを提案する。
  論文  参考訳（メタデータ） (2025-02-08T00:52:45Z)
• TBConvL-Net: A Hybrid Deep Learning Architecture for Robust Medical Image Segmentation [6.013821375459473]
  医用画像セグメンテーションのための新しいディープラーニングアーキテクチャを提案する。 提案モデルでは,10の公開データセット上でのテクニックの現状に対して,一貫した改善が示されている。
  論文  参考訳（メタデータ） (2024-09-05T09:14:03Z)
• Shape Matters: Detecting Vertebral Fractures Using Differentiable Point-Based Shape Decoding [51.38395069380457]
  変性性脊椎疾患は高齢者に多い。 骨粗しょう性骨折やその他の変性変形性骨折のタイムリーな診断は、重度の腰痛や障害のリスクを軽減するための前向きな処置を促進する。 本研究では,脊椎動物に対する形状自動エンコーダの使用について検討する。
  論文  参考訳（メタデータ） (2023-12-08T18:11:22Z)
• Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
  本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。 本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。 提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
  論文  参考訳（メタデータ） (2022-12-01T07:32:56Z)

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。