論文の概要: FreqDINO++: A Frequency-Guided Multi-Task Routing Vision Foundation Model for Universal Ultrasound Analysis
- arxiv url: http://arxiv.org/abs/2609.20340v1
- Date: Thu, 17 Sep 2026 13:09:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:54.283477
- Title: FreqDINO++: A Frequency-Guided Multi-Task Routing Vision Foundation Model for Universal Ultrasound Analysis
- Title（参考訳）: FreqDINO++:ユニバーサル超音波解析のための周波数誘導マルチタスクルーティングビジョン基盤モデル
- Abstract要約: 本稿では,周波数誘導型マルチタスク・ルーティング・ビジョン基盤モデルであるFreqDINO++を提案する。
大規模なマルチタスクと外部シングルタスクのベンチマークの実験は、FreqDINO++が強いベースラインを一貫して上回ることを示した。
- 参考スコア（独自算出の注目度）: 19.861971752896725
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Ultrasound image analysis plays a crucial role in cancer screening and prenatal diagnosis, yet comprehensive assessment requires jointly addressing tasks such as lesion segmentation and benign-malignant classification. While recent vision foundation models have shown remarkable universal representations, unlocking their potential for ultrasound is bottlenecked by the considerable domain gap from natural images. Existing methods typically fine-tune heavy vision encoders for isolated tasks, incurring substantial computational overhead while overlooking the underlying commonalities across heterogeneous tasks. In this work, we propose FreqDINO++, a frequency-guided multi-task routing vision foundation model for universal ultrasound analysis. We first introduce a Multi-task Routing Adapter (MR-Adapter) to support parameter-efficient integration of task-common and task-specific knowledge, a Frequency-aware Feature Enhancer (F$^2$-Enhancer) is then designed to capture the rich multi-scale frequency characteristics of ultrasound images, and a Task-aligned Collaborative Decoder (TC-Decoder) is devised to promote collaboration between dense and global prediction tasks through global-local token interaction. Extensive experiments on large-scale multi-task and external single-task ultrasound benchmarks demonstrate that FreqDINO++ consistently outperforms strong baselines and recent foundation models across 27 diverse clinical task scenarios, while also showing promising generalization to unseen data. The code is at https://github.com/MingLang-FD/FreqDINO-Plus.
- Abstract（参考訳）: 超音波画像解析は、がんスクリーニングや出生前診断において重要な役割を担っているが、包括的評価では病変の分節化や良性悪性度分類といった共同的な課題に対処する必要がある。
近年のビジョン基礎モデルは、驚くべき普遍的な表現を示してきたが、超音波の可能性を解き放つことは、自然画像とのかなりの領域ギャップによってボトルネックになっている。
既存の方法は、通常、孤立したタスクに対する微調整重視エンコーダで、不均一なタスクをまたいで基礎となる共通点を見下ろしながら、かなりの計算オーバーヘッドを発生させる。
本稿では,周波数誘導型マルチタスク・ルーティング・ビジョン基盤モデルであるFreqDINO++を提案する。
まず,タスク共通およびタスク固有知識のパラメータ効率統合を支援するマルチタスクルーティングアダプタ(MR-Adapter)を導入し,超音波画像のマルチスケール周波数特性をリッチに捉えるために周波数対応特徴エンハンサー(F$^2$-Enhancer)と,グローバル・ローカル・トークン・インタラクションを通じて高密度・グローバルな予測タスク間の協調を促進するために,タスク対応協調型協調デコーダ(TC-Decoder)を考案した。
大規模なマルチタスクと外部のシングルタスクのベンチマークに関する大規模な実験では、FreqDINO++は27の多様な臨床タスクシナリオにわたる強力なベースラインと最近の基礎モデルよりも一貫して優れており、また、見つからないデータへの有望な一般化も示している。
コードはhttps://github.com/MingLang-FD/FreqDINO-Plusにある。
関連論文リスト
- SonoCLIP: Mask-Guided Region-Aware Vision-Language Pretraining for Fetal Ultrasound Analysis [51.81845420301345]
SonoCLIPは胎児超音波解析のための視覚言語基盤モデルである。
セグメンテーションマスクを視覚エンコーダ内にマスクチャネル視覚プロンプトとして組み込む。
グローバルおよびマスク誘導推論の両方において、ゼロショット転送性能に優れる。
論文 参考訳（メタデータ） (2026-06-28T20:04:49Z) - Unified Ultrasound Intelligence Toward an End-to-End Agentic System [8.884663182013282]
USTriは、マルチオーガナイズド・マルチタスク分析のための三段階超音波インテリジェンスパイプラインである。
ステージ1は、異なるドメインで普遍的なジェネラリストUSGenを訓練し、広く、転送可能な事前学習を行う。
Stage IIはUSpecをビルドし、USGenを凍結し、微調整する。
ステージIIIでは、多段階の推論と構造化レポートのために臨床専門家を模倣するUSAgentが導入されている。
論文 参考訳（メタデータ） (2026-04-18T08:46:58Z) - AURORA: Adaptive Unified Representation for Robust Ultrasound Analysis [18.677691292710325]
本稿では,Qwen3-VLファミリーのトランスフォーマービジュアルエンコーダをベースとしたマルチタスク統合フレームワークを提案する。
各タスクは小さなタスク固有の予測ヘッドで処理され、トレーニングはタスク対応サンプリングと選択的損失分散を使用する。
検証セットではパフォーマンスが67%から85%向上し、公式テストセットでは平均スコアが81.84%に達した。
論文 参考訳（メタデータ） (2026-03-19T18:01:38Z) - Baseline Method of the Foundation Model Challenge for Ultrasound Image Analysis [15.017057362402687]
超音波画像解析のための基礎モデルチャレンジ(FM_UIA2026)を提案する。
このモデルは、ImageNet-pretrained EfficientNet--B4のバックボーンを堅牢な特徴抽出に使用し、FPN(Feature Pyramid Network)と組み合わせてコンテキスト情報をキャプチャする。
タスク固有のルーティング戦略により、グローバルタスクは高レベルなセマンティックな特徴を活用でき、高密度な予測タスクは空間的詳細なFPN表現を活用できる。
論文 参考訳（メタデータ） (2026-02-01T06:52:11Z) - FusAD: Time-Frequency Fusion with Adaptive Denoising for General Time Series Analysis [92.23551599659186]
時系列分析は、金融、医療、産業、気象学などの分野において重要な役割を果たす。
FusADは多様な時系列タスク用に設計された統合分析フレームワークである。
論文 参考訳（メタデータ） (2025-12-16T04:34:27Z) - A Fully Open and Generalizable Foundation Model for Ultrasound Clinical Applications [77.3888788549565]
一般臨床用超音波基礎モデルであるEchoCareについて紹介する。
我々は、キュレートされた、一般公開された大規模なデータセットであるEchoCareData上で、自己教師付き学習を通じてEchoCareを開発した。
最小限のトレーニングで、EchoCareは10の代表的なベンチマークで最先端の比較モデルを上回っている。
論文 参考訳（メタデータ） (2025-09-15T10:05:31Z) - The Efficacy of Semantics-Preserving Transformations in Self-Supervised Learning for Medical Ultrasound [60.80780313225093]
本研究は, 肺超音波の自己教師あり学習におけるデータ拡張と前処理方略の影響を系統的に検討した。
画像領域に共通して使用されるベースラインパイプライン、超音波用に設計された新しいセマンティック保存パイプライン、両方のパイプラインから最も効果的な変換の蒸留セットの3つのデータ拡張パイプラインが評価された。
論文 参考訳（メタデータ） (2025-04-10T16:26:47Z) - Eye-gaze Guided Multi-modal Alignment for Medical Representation Learning [65.54680361074882]
アイゲイズガイドマルチモーダルアライメント(EGMA)フレームワークは、アイゲイズデータを利用して、医用視覚的特徴とテキスト的特徴のアライメントを改善する。
我々は4つの医療データセット上で画像分類と画像テキスト検索の下流タスクを行う。
論文 参考訳（メタデータ） (2024-03-19T03:59:14Z) - Generalizing Medical Image Representations via Quaternion Wavelet Networks [9.836302410524842]
医用画像から健全な特徴を抽出できる,新しい,一般化可能な,データに依存しないフレームワークを提案する。
提案する4元ウェーブレットネットワーク(quaVE)は,既存の医用画像解析や合成作業と容易に統合できる。
論文 参考訳（メタデータ） (2023-10-16T09:34:06Z)
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。