Fugu-MT 論文翻訳(概要): FSB-Net: Frequency-Spatial Boundary Network for Brain Stroke Lesion Segmentation in Non-Contrast CT

論文の概要: FSB-Net: Frequency-Spatial Boundary Network for Brain Stroke Lesion Segmentation in Non-Contrast CT

arxiv url: http://arxiv.org/abs/2607.20955v1
Date: Thu, 23 Jul 2026 06:31:38 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-24 18:26:25.300342
Title: FSB-Net: Frequency-Spatial Boundary Network for Brain Stroke Lesion Segmentation in Non-Contrast CT
Title（参考訳）: 非造影CTにおける脳卒中病変分割のための周波数空間境界ネットワークFSB-Net
Abstract要約: FSB-Netは周波数領域解析を利用した周波数空間境界ネットワークである。 FSB-Netは、虚血性および出血性の両方の症例を含む、パブリックなBrain Stroke CTデータセットで評価される。実験の結果、FSB-NetはU-Net、UNet++、MANet、DeepLabV3+を全指標で上回っていることがわかった。
参考スコア（独自算出の注目度）: 20.22627660146387
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Accurate segmentation of brain stroke lesions in non-contrast computed tomography (NCCT) scans is critical for rapid clinical decision-making, yet remains difficult due to the low contrast between lesion and normal brain tissue, heterogeneous lesion morphology across ischemic and hemorrhagic subtypes, and ambiguous boundaries caused by partial volume effects. Current deep learning approaches primarily optimize region-level overlap but lack explicit boundary modeling, leading to imprecise delineation that can affect volumetric assessment and treatment planning. We propose FSB-Net, a frequency-spatial boundary network that leverages frequency-domain analysis for boundary-aware stroke lesion segmentation. FSB-Net introduces three components: (i) a Wavelet Boundary Detection Head (WBDH) that applies the discrete wavelet transform to multi-scale encoder features, extracting high-frequency sub-bands as boundary representations; (ii) a Frequency-Spatial Cross-Attention Module (FSCAM) that performs bidirectional attention between wavelet boundary features and spatial decoder features for selective boundary enhancement; and (iii) a Spectral Boundary Loss that penalizes high-frequency discrepancies in the Fourier domain to optimize boundary sharpness. Built on a PVTv2-B2 encoder, FSB-Net is evaluated on a public Brain Stroke CT dataset containing both ischemic and hemorrhagic cases. Experimental results show that FSB-Net outperforms U-Net, UNet++, MANet, and DeepLabV3+ across all metrics, achieving state-of-the-art performance in mean Dice, mean IoU, and HD95.
Abstract（参考訳）: 非造影CT(non-contrast Computed tomography)スキャンにおける脳卒中病変の正確な分画は、迅速な臨床診断には重要であるが、病変と正常な脳組織との低コントラスト、虚血性および出血性サブタイプ間の異質な病変形態、部分体積効果による曖昧な境界により、依然として困難である。現在のディープラーニングアプローチは、主に領域レベルの重複を最適化するが、明確な境界モデリングがないため、ボリュームアセスメントや治療計画に影響を及ぼす不正確なデライン化につながる。本稿では,周波数領域解析を応用した周波数空間境界ネットワークFSB-Netを提案する。 FSB-Netは3つのコンポーネントを導入している。 i) 離散ウェーブレット変換をマルチスケールエンコーダ特徴に適用し、境界表現として高周波サブバンドを抽出するウェーブレット境界検出ヘッド(WBDH) (II)選択的境界強調のためのウェーブレット境界特徴と空間デコーダ特徴とを双方向に注目する周波数空間横断型モジュール(FSCAM) 三フーリエ領域における高周波不一致をペナルティ化し、境界のシャープネスを最適化するスペクトル境界損失。 PVTv2-B2エンコーダ上に構築されたFSB-Netは、虚血例と出血症例の両方を含むパブリックなBrain Stroke CTデータセットで評価される。実験の結果、FSB-NetはU-Net、UNet++、MANet、DeepLabV3+よりも優れており、Dice、IoU、HD95といった最先端のパフォーマンスを実現している。

関連論文リスト

RetiWave-Mamba: A Dual-Stream Network for Retinal Disease Detection based on Multi-scale Context and Frequency-Adaptive Mamba Projection [11.498068680313613]
本稿では、空間周波数領域学習と最先端状態空間モデルを統合する新しいフレームワークRetiWave-Mambaを提案する。提案手法は,既存の手法を超越して,最先端(SOTA)分類精度98.25%を実現する。
論文参考訳（メタデータ） (2026-08-18T10:38:59Z)
FSS-Net: Frequency-Spatial Synergy Network with Wavelet Attention for Carotid Artery Ultrasound Segmentation [11.152127159739736]
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。
論文参考訳（メタデータ） (2026-06-09T03:40:52Z)
SALIENT: Frequency-Aware Paired Diffusion for Controllable Long-Tail CT Detection [6.673878172809982]
制御可能なCT拡張のためのマスク条件のウェーブレットドメイン拡散フレームワークであるSALIENTを紹介する。 SALIENTは、画素空間を飾る代わりに、離散ウェーブレット係数上の構造拡散を行い、高周波構造の詳細から低周波輝度を分離する。 3D VAEは多様なボリューム障害マスクを生成し、セミ教師は下流マスク誘導検出のためのペアスライスレベル擬似ラベルを生成する。
論文参考訳（メタデータ） (2026-02-26T19:12:15Z)
FreqDINO: Frequency-Guided Adaptation for Generalized Boundary-Aware Ultrasound Image Segmentation [18.491659279102993]
境界認識と構造整合性を高める周波数誘導セグメンテーションフレームワークFreqDINOを提案する。具体的には、低周波構造とマルチスケール高周波境界の詳細を分離するためのマルチスケール周波数抽出・アライメント戦略を考案する。また、高周波成分から境界プロトタイプを抽出し、空間的特徴を洗練するFGBR( Frequency-Guided Boundary Refinement)モジュールも導入する。
論文参考訳（メタデータ） (2025-12-12T07:15:38Z)
PHASE-Net: Physics-Grounded Harmonic Attention System for Efficient Remote Photoplethysmography Measurement [63.007237197267834]
既存のディープラーニング手法は、主に生理学的モニタリングであり、理論的な堅牢性を欠いている。本研究では,Navier-Stokes方程式のヘモダイナミックスから導かれる物理インフォームド r パラダイムを提案し,パルス信号が2次系に従うことを示す。これは、時間的円錐ネットワーク(TCN)を使用する理論的正当性を提供する。 Phase-Netは高い効率で最先端のパフォーマンスを実現し、理論上は基礎的でデプロイ可能な r ソリューションを提供する。
論文参考訳（メタデータ） (2025-09-29T14:36:45Z)
FADPNet: Frequency-Aware Dual-Path Network for Face Super-Resolution [70.61549422952193]
計算コストの制限による顔超解像(FSR)は未解決の問題である。既存のアプローチでは、全ての顔のピクセルを等しく扱い、計算資源を最適以下に割り当てる。本稿では、低周波成分と高周波成分に顔の特徴を分解する周波数対応デュアルパスネットワークであるFADPNetを提案する。
論文参考訳（メタデータ） (2025-06-17T02:33:42Z)
TSUBF-Net: Trans-Spatial UNet-like Network with Bi-direction Fusion for Segmentation of Adenoid Hypertrophy in CT [15.491823587869087]
アデノイド肥大は小児における閉塞型睡眠時無呼吸症候群の一般的な原因である。 3次元医用画像分割フレームワークであるTSUBF-Netを紹介する。 TSUBF-NetはHD95:7.03、IoU:85.63、DSC:92.26という最先端の手法よりも優れている。
論文参考訳（メタデータ） (2024-12-01T12:21:23Z)
UDHF2-Net: Uncertainty-diffusion-model-based High-Frequency TransFormer Network for Remotely Sensed Imagery Interpretation [17.289252835606533]
不確実拡散モデルに基づく高周波トランスフォーマーネットワーク(UDHF2-Net)が最初に提案される。 UDHF2-Netは空間定常非定常高周波接続パラダイム(SHCP)である Mask-and-geo-knowledge-based uncertainty diffusion module (MUDM) は自己指導型学習戦略である。周波数ワイド半擬似半擬似UDHF2-Netは、変更検出の精度と複雑さのバランスをとるために提案された最初のものである。
論文参考訳（メタデータ） (2024-06-23T15:03:35Z)
Leveraging Frequency Domain Learning in 3D Vessel Segmentation [50.54833091336862]
本研究では,Fourier領域学習を3次元階層分割モデルにおけるマルチスケール畳み込みカーネルの代用として活用する。管状血管分割作業において,新しいネットワークは顕著なサイス性能(ASACA500が84.37%,ImageCASが80.32%)を示した。
論文参考訳（メタデータ） (2024-01-11T19:07:58Z)
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)
Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
気道セグメンテーションは肺疾患の検査、診断、予後に重要である。いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
論文参考訳（メタデータ） (2022-09-05T16:38:13Z)
InDuDoNet+: A Model-Driven Interpretable Dual Domain Network for Metal Artifact Reduction in CT Images [53.4351366246531]
InDuDoNet+と呼ばれる新しい解釈可能な二重ドメインネットワークを構築し、CT画像の微細な埋め込みを行う。異なる組織間のCT値を分析し,InDuDoNet+の事前観測ネットワークにマージすることで,その一般化性能を著しく向上させる。
論文参考訳（メタデータ） (2021-12-23T15:52:37Z)

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。