論文の概要: BTI-Net: Bidirectional Decoder-Level Task Interaction via Uncertainty-Aware Gating for Multi-Task Medical Image Analysis

• arxiv url: http://arxiv.org/abs/2606.29102v1
• Date: Sat, 27 Jun 2026 22:37:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:15.789279
• Title: BTI-Net: Bidirectional Decoder-Level Task Interaction via Uncertainty-Aware Gating for Multi-Task Medical Image Analysis
• Title（参考訳）: BTI-Net:マルチタスク画像解析のための不確かさ認識ゲーティングによる双方向デコーダレベルタスクインタラクション
• Abstract要約: BTI-Netは、タスクインタラクションモジュールを介して2つの並列経路を介して、デコーダレベルで双方向通信を確立する。 不確実性プロキシアテンションは、クロスタスクアライメント、シーンの複雑さ、予測信頼性をキャプチャする3つの信号を使用して、インスタンス毎とレベル毎のTIM出力をゲートする。 超音波、皮膚内視鏡、脳MRIの3つの医療ベンチマークの実験では、セグメンテーションIoUが一貫した改善を示し、エンコーダ共有とデコーダ相互作用ベースラインの両方に対して分類精度が向上した。
• 参考スコア（独自算出の注目度）: 2.8218290601001854
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Jointly learning to segment and classify medical images demands cross-task synergy, yet encoder-sharing architectures limit decoder reconstruction to task-private representations, permanently discarding the boundary cues and semantic priors each branch could supply to the other. This work introduces BTI-Net, which establishes bidirectional communication at every decoder level through two parallel pathways via Task Interaction Modules (TIM). Spatial boundary context is gated into the classification branch, while global semantic priors multiplicatively modulate the decoder, with refined features propagating progressively from coarse semantics to fine boundary detail across all four decoder resolutions. Since cross-task interaction is not equally reliable for every input, Uncertainty Proxy Attention (UPA) gates each TIM output per instance and per level using three signals that capture cross-task alignment, scene complexity, and prediction confidence, without external annotations or additional inference passes. Experiments on three medical benchmarks spanning ultrasound, dermoscopy, and brain MRI demonstrate consistent improvements in segmentation IoU and classification accuracy over both encoder-sharing and decoder-interaction baselines. Ablation confirms adaptive gating contributes +2.36 IoU over fixed bidirectional interaction, and classification accuracy improves by up to +2.26 points over the strongest multi-task baseline. UPA's uncertainty proxies serve as reliable single-pass task-failure signals without the overhead of stochastic sampling. Code: https://github.com/C-loud-Nine/BTI-Net_MTL
• Abstract（参考訳）: 医療画像のセグメンテーションと分類を共同で行うことで、クロスタスクのシナジーが要求されるが、エンコーダ共有アーキテクチャはデコーダの再構築をタスクプライベートな表現に制限し、各ブランチが供給できる境界のキューとセマンティック先行を永久に破棄する。 この研究はBTI-Netを導入し、タスクインタラクションモジュール(TIM)を介して2つの並列経路を介してデコーダレベルで双方向通信を確立する。 空間境界コンテキストは分類分岐にゲートされ、大域的意味論はデコーダを乗法的に変調し、洗練された特徴は、粗いセマンティクスから4つのデコーダ解決すべてにわたって境界の詳細まで徐々に伝播する。 クロスタスクインタラクションはすべての入力に対して等しく信頼性がないため、Uncertainty Proxy Attention(UPA)は、外部アノテーションや追加の推論パスなしで、クロスタスクアライメント、シーン複雑性、予測信頼をキャプチャする3つの信号を使用して、インスタンス毎とレベル毎のTIM出力をゲートする。 超音波、皮膚内視鏡、脳MRIの3つの医療ベンチマークの実験では、セグメンテーションIoUが一貫した改善を示し、エンコーダ共有とデコーダ相互作用ベースラインの両方に対して分類精度が向上した。 アブレーションは、アダプティブゲーティングが固定された双方向相互作用に対して+2.36 IoUに寄与し、分類精度は最強のマルチタスクベースラインに対して+2.26ポイント向上することを確認した。 UPAの不確実性プロキシは、確率的サンプリングのオーバーヘッドを伴わずに、信頼できるシングルパスタスク障害信号として機能する。 コード:https://github.com/C-loud-Nine/BTI-Net_MTL

関連論文リスト

• DifferSeg: Towards Diverse Multimodal Binary Segmentation via Differential Perception and Frequency Guidance [17.49886552219562]
  DifferSegは単純だが汎用的なマルチモーダルバイナリセグメンテーションフレームワークである。 学習可能な微分作用素を用いて、多モーダルな特徴を適応的に整列し、相補性を高める。 29の公開データセットにわたって67の最先端メソッドを一貫して超えている。
  論文  参考訳（メタデータ） (2026-06-08T01:10:36Z)
• GAFSV-Net: A Vision Framework for Online Signature Verification [6.4768782466318795]
  ImageSV-Netは、各シグネチャを6チャンネルの非対称なグラミアン角野画像SV-Netとして表現する。 デュアルブランチのConvNeXt-TinyエンコーダはGASFとGADFを独立して処理する。 We evaluate on DeepSignDB and BiosecurID, outform all sequence-based baselines training under same objectives。
  論文  参考訳（メタデータ） (2026-04-30T18:21:07Z)
• WISV: Wireless-Informed Semantic Verification for Distributed Speculative Decoding in Device-Edge LLM Inference [56.297697169678095]
  WISV(Wireless-Informed Semantic Verification)は、分散投機的復号化フレームワークである。 WISVは最大60.8%の許容長の増加、37.3%の対話ラウンドの削減、31.4%のエンドツーエンドレイテンシの改善を実現している。 NVIDIA Jetson AGX OrinとA40搭載サーバからなるハードウェアテストベッド上でWISVを検証する。
  論文  参考訳（メタデータ） (2026-04-20T01:29:56Z)
• Multi-Level Bidirectional Decoder Interaction for Uncertainty-Aware Breast Ultrasound Analysis [2.8218290601001854]
  乳房超音波検査では,同時性病変の分節と組織分類が必要である。 マルチレベルデコーダインタラクションと不確実性を考慮した適応調整により,これらの制約に対処するマルチタスクフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-01T22:02:06Z)
• SG-XDEAT: Sparsity-Guided Cross-Dimensional and Cross-Encoding Attention with Target-Aware Conditioning in Tabular Learning [0.0]
  本稿では,表データの教師あり学習のための新しいフレームワークであるSG-XDEATを提案する。 中心となるSG-XDEATはデュアルストリームエンコーダを使用し、各入力機能を2つの並列表現に分解する。 これらの双対表現は、注意に基づくモジュールの階層的なスタックを通して伝播される。
  論文  参考訳（メタデータ） (2025-10-14T15:56:40Z)
• Object Segmentation by Mining Cross-Modal Semantics [68.88086621181628]
  マルチモーダル特徴の融合と復号を導くために,クロスモーダル・セマンティックスをマイニングする手法を提案する。 具体的には,(1)全周減衰核融合(AF),(2)粗大デコーダ(CFD),(3)多層自己超越からなる新しいネットワークXMSNetを提案する。
  論文  参考訳（メタデータ） (2023-05-17T14:30:11Z)
• Task-Oriented Sensing, Computation, and Communication Integration for Multi-Device Edge AI [108.08079323459822]
  本稿では,AIモデルの分割推論と統合センシング通信(ISAC)を併用した,新しいマルチインテリジェントエッジ人工レイテンシ(AI)システムについて検討する。 推定精度は近似的だが抽出可能な計量、すなわち判別利得を用いて測定する。
  論文  参考訳（メタデータ） (2022-07-03T06:57:07Z)
• Dual Swin-Transformer based Mutual Interactive Network for RGB-D Salient Object Detection [67.33924278729903]
  本研究では,Dual Swin-Transformerを用いたMutual Interactive Networkを提案する。 視覚入力における長距離依存をモデル化するために,RGBと奥行きモードの両方の機能抽出器としてSwin-Transformerを採用している。 5つの標準RGB-D SODベンチマークデータセットに関する総合的な実験は、提案手法の優位性を実証している。
  論文  参考訳（メタデータ） (2022-06-07T08:35:41Z)
• Two-Stream Graph Convolutional Network for Intra-oral Scanner Image Segmentation [133.02190910009384]
  本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。 TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
  論文  参考訳（メタデータ） (2022-04-19T10:41:09Z)
• Suppress and Balance: A Simple Gated Network for Salient Object Detection [89.88222217065858]
  両問題を同時に解くための単純なゲートネットワーク(GateNet)を提案する。 多レベルゲートユニットの助けを借りて、エンコーダからの貴重なコンテキスト情報をデコーダに最適に送信することができる。 さらに,提案したFold-ASPP操作(Fold-ASPP)に基づくアトラス空間ピラミッドプーリングを用いて,様々なスケールのサリアンオブジェクトを正確に位置決めする。
  論文  参考訳（メタデータ） (2020-07-16T02:00:53Z)

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。