論文の概要: RetiWave-Mamba: A Dual-Stream Network for Retinal Disease Detection based on Multi-scale Context and Frequency-Adaptive Mamba Projection
- arxiv url: http://arxiv.org/abs/2608.17623v1
- Date: Tue, 18 Aug 2026 10:38:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-19 21:40:53.307515
- Title: RetiWave-Mamba: A Dual-Stream Network for Retinal Disease Detection based on Multi-scale Context and Frequency-Adaptive Mamba Projection
- Title（参考訳）: RetiWave-Mamba:マルチスケールコンテキストと周波数適応型Mamba投影に基づく網膜疾患検出のためのデュアルストリームネットワーク
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 11.498068680313613
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Retinal diseases are a leading cause of irreversible vision impairment, making early and accurate diagnosis essential for effective treatment. Optical Coherence Tomography (OCT) serves as a critical imaging modality for this purpose, yet its automated analysis is hindered by inherent speckle noise, varying lesion scales, and subtle inter-class similarities. To address these challenges, we propose a novel framework, RetiWave-Mamba, which integrates spatial-frequency domain learning with state-of-the-art state space models. The framework utilizes Discrete Wavelet Transform (DWT) to decompose OCT images into low- and high-frequency streams, enabling decoupled processing of structural context and fine-grained details. For the low-frequency branch, we design a Multi-scale Contextual Localization Module (MCLM), which synergizes multi-scale dilation with spatial attention to expand the global receptive field and precisely localize lesion regions. For the high-frequency branch, we introduce an Attention-Guided High-Resolution Network (AG-HRNet) equipped with an intelligent gating mechanism to suppress noise propagation during multi-scale interactions. Furthermore, a Frequency-Adaptive Mamba Projector (FAMP) is incorporated to capture long-range dependencies within disjoint high-frequency textural features. Extensive experiments on the OCT-C8 dataset demonstrate that our approach achieves a state-of-the-art (SOTA) classification accuracy of 98.25%, surpassing existing methods. These results highlight the efficacy of RetiWave-Mamba in robustly identifying retinal pathologies under noisy conditions, offering a promising tool for clinical diagnosis.
- Abstract（参考訳）: 網膜疾患は可逆性視力障害の主要な原因であり、早期かつ正確な診断が効果的な治療に不可欠である。
光コヒーレンス・トモグラフィー(OCT)は、この目的のために重要な画像モダリティとして機能するが、その自動解析は、固有のスペックルノイズ、様々な病変スケール、微妙なクラス間類似性によって妨げられる。
これらの課題に対処するために、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。
このフレームワークは離散ウェーブレット変換(DWT)を用いて、OCT画像を低周波および高周波のストリームに分解し、構造的コンテキストと微細な詳細の分離処理を可能にする。
低周波分岐では,空間的注意とマルチスケールディレーションを相乗化してグローバルな受容野を広げ,病変領域を正確に局所化するマルチスケールコンテキスト局在モジュール (MCLM) を設計する。
本稿では,マルチスケールインタラクションにおけるノイズ伝搬を抑制するインテリジェントゲーティング機構を備えた注意誘導高分解ネットワーク(AG-HRNet)を提案する。
さらに、周波数適応型マンバプロジェクタ(FAMP)が組み込まれ、非結合な高周波音声特徴内の長距離依存関係をキャプチャする。
OCT-C8データセットの大規模な実験により,既存の手法を超越した,最先端(SOTA)の分類精度が98.25%に達することが示された。
以上の結果から,RetiWave-Mambaはノイズ条件下での網膜病変の同定に有効であり,臨床診断に有望なツールであると考えられた。
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) - Layout-Guided Controllable Pathology Image Generation with In-Context Diffusion Transformers [57.54843029965778]
制御可能な病理画像合成には、空間配置、組織形態、意味的詳細の信頼できる規制が必要である。
In-Context Diffusion Transformer (IC-DiT) は,空間レイアウト,テキスト記述,視覚的埋め込みを統合拡散変換器に組み込んだレイアウト認識生成モデルである。
IC-DiTは既存の方法よりも忠実度が高く、空間制御性が強く、診断の整合性が良くなる。
論文 参考訳（メタデータ） (2026-03-11T06:14:11Z) - A Semantically Enhanced Generative Foundation Model Improves Pathological Image Synthesis [82.01597026329158]
本稿では,組織合成のための相関調整フレームワーク(CRAFTS)について紹介する。
CRAFTSは、生物学的精度を確保するためにセマンティックドリフトを抑制する新しいアライメント機構を組み込んでいる。
本モデルは,30種類の癌にまたがる多彩な病理像を生成する。
論文 参考訳（メタデータ） (2025-12-15T10:22:43Z) - Versatile and Efficient Medical Image Super-Resolution Via Frequency-Gated Mamba [10.69081892501522]
本稿では,FGMambaを提案する。FGMambaは,グローバルな依存性モデリングと細部拡張を軽量アーキテクチャに統合した,周波数対応のゲート状態空間モデルである。
本研究は,スケーラブルかつ高精度な医用画像強調のための周波数認識状態空間モデリングの有効性を検証した。
論文 参考訳（メタデータ） (2025-10-31T09:12:12Z) - SpectMamba: Integrating Frequency and State Space Models for Enhanced Medical Image Detection [11.43227481199105]
医用画像検出用に設計された最初のMambaベースのアーキテクチャであるSpectMambaを紹介する。
SpectMambaの重要なコンポーネントはHybrid Spatial-Frequency Attention (HSFA)ブロックである。
SpectMambaは様々な医用画像検出タスクにおいて効率的かつ効率的でありながら、最先端のパフォーマンスを実現していることを示す。
論文 参考訳（メタデータ） (2025-09-01T02:56:45Z) - Frequency-enhanced Multi-granularity Context Network for Efficient Vertebrae Segmentation [33.99418884128739]
椎骨分割精度を向上させるために,周波数強調多粒性コンテキストネットワーク(FMC-Net)を導入する。
高周波成分に対しては,HFR(High- frequency Feature Refinement)を適用し,特徴の顕著さを増幅する。
低周波成分に対しては、多粒度状態空間モデル(MG-SSM)を用いて、異なる受容場を持つ特徴表現を集約する。
論文 参考訳（メタデータ） (2025-06-29T04:53:02Z) - High-Fidelity Functional Ultrasound Reconstruction via A Visual Auto-Regressive Framework [58.07923338080814]
機能的神経側頭葉イメージングはマッピングに例外的な解像度を提供する。
しかし、その実践的応用は重大な課題によって妨げられている。
データ不足、倫理的考慮、信号劣化などが含まれる。
論文 参考訳（メタデータ） (2025-05-23T15:27:17Z) - 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) - A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
様々な計測アンサンプパターンと画像解像度に頑健な統合MRI再構成モデルを提案する。
我々のモデルは、拡散法よりも600$times$高速な推論で、最先端CNN(End-to-End VarNet)の4dBでSSIMを11%改善し、PSNRを4dB改善する。
論文 参考訳（メタデータ） (2024-10-05T20:03:57Z) - Unlocking Fine-Grained Details with Wavelet-based High-Frequency
Enhancement in Transformers [4.208461204572879]
医用画像のセグメンテーションは、診断、治療計画、疾患モニタリングにおいて重要な役割を担っている。
本稿では,自己注意マップを慎重に再設計することで,トランスフォーマーモデルの局所的特徴不足に対処する。
そこで本研究では,マルチスケールのコンテキスト拡張ブロックをスキップ接続内で提案し,スケール間の依存関係を適応的にモデル化する。
論文 参考訳（メタデータ） (2023-08-25T15:42:19Z) - On Sensitivity and Robustness of Normalization Schemes to Input
Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。
DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。
本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
論文 参考訳（メタデータ） (2023-06-23T03:09:03Z) - 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。