論文の概要: ThyCLIPNet: A BiomedCLIP-Guided Lightweight Attention-Enhanced DeepLabV3+ Framework for Robust Thyroid Nodule Segmentation
- arxiv url: http://arxiv.org/abs/2610.04743v1
- Date: Sat, 03 Oct 2026 20:15:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-11 17:13:12.957383
- Title: ThyCLIPNet: A BiomedCLIP-Guided Lightweight Attention-Enhanced DeepLabV3+ Framework for Robust Thyroid Nodule Segmentation
- Title（参考訳）: ThyCLIPNet:ロバストな甲状腺結節分割のためのバイオメディカルCLIP誘導軽量アテンション強化DeepLabV3+フレームワーク
- Abstract要約: ThyCLIPNetは軽量なセマンティック誘導型ハイブリッドエンコーダデコーダフレームワークである。
バイオメディカルセマンティックガイダンスを軽量なマルチスケールCNNセグメンテーションパイプラインに統合する。
以上の結果から,ThyCLIPNetは最初の軽量甲状腺超音波セグメンテーションフレームワークの1つである。
- 参考スコア（独自算出の注目度）: 1.5484595752241122
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Accurate thyroid ultrasound segmentation is often challenged by low contrast, speckle noise, and unclear boundaries. Although recent methods have improved segmentation accuracy, many rely on resource-intensive architectures or lack explicit integration of multiscale features with global biomedical visual guidance. In this paper, we introduce ThyCLIPNet, a lightweight semantic-guided hybrid encoder-decoder framework that integrates BiomedCLIP-derived biomedical semantic guidance into a lightweight multi-scale CNN segmentation pipeline. The encoder integrates MobileNetV2 with efficient channel attention, while atrous spatial pyramid pooling and a custom convolutional block attention module enrich bottleneck features. The decoder combines hierarchical skip connections and lightweight attention refinement with a BiomedCLIP-guided gated fusion pathway that projects vision-only global biomedical embeddings into decoder feature space and selectively integrates them through semantic-local fusion and spatial gating. To the best of our knowledge, ThyCLIPNet is among the first lightweight thyroid ultrasound segmentation frameworks to use BiomedCLIP's vision encoder alone for image-only global semantic guidance without text prompting. Experiments on TG3K, TN3K, DDTI, and PKTN achieve dice similarity coefficients of 96.22%, 87.58%, 84.73%, and 80.70%; intersection over union scores of 92.72%, 77.91%, 73.51%, and 67.64%; and 95th-percentile hausdorff distances of 3.75, 16.38, 18.23, and 10.86, respectively. ThyCLIPNet uses 8.55M parameters and 22.99G FLOPs. Overall, the results support integrating global biomedical semantic guidance with lightweight multi-scale CNN representations for robust and computationally efficient thyroid ultrasound segmentation. Source code: https://github.com/Tasnim-Jahan/ThyCLIPNet. [Abstract shortened for arXiv. See PDF for full abstract.]
- Abstract（参考訳）: 正確な甲状腺超音波セグメンテーションは、低コントラスト、スペックルノイズ、不明瞭な境界によってしばしば挑戦される。
近年の手法ではセグメンテーションの精度が向上しているが、リソース集約型アーキテクチャや、グローバルなバイオメディカルビジュアルガイダンスによるマルチスケール機能の明示的な統合が欠如している。
本稿では,BiomedCLIP由来のバイオメディカルセマンティックガイダンスを軽量なマルチスケールCNNセグメンテーションパイプラインに統合した,軽量なセマンティック誘導型ハイブリッドエンコーダデコーダフレームワークThyCLIPNetを紹介する。
エンコーダはMobileNetV2と効率の良いチャネルアテンションを統合し、アトラスな空間ピラミッドプーリングと独自の畳み込みブロックアテンションモジュールはボトルネック機能に富んでいる。
このデコーダは、階層的なスキップ接続と軽量な注意改善と、視覚のみのグローバルなバイオメディカル埋め込みをデコーダ特徴空間に投影するBiomedCLIP誘導ゲート融合経路とを組み合わせて、セマンティックローカルな融合と空間的ゲーティングを通じてそれらを選択的に統合する。
我々の知る限り、ThyCLIPNetはBiomedCLIPのビジョンエンコーダのみをテキストプロンプトなしで画像のみのグローバルなセマンティックガイダンスに利用する最初の軽量甲状腺超音波セグメンテーションフレームワークである。
TG3K、TN3K、DDTI、PKTNの試験では、96.22%、87.58%、84.73%、80.70%のダイス類似度係数、92.72%、77.91%、73.51%、67.64%のユニオンスコアと95パーセントのハウスドルフ距離が3.75、16.38、18.23、10.86である。
ThyCLIPNetは8.55Mパラメータと22.99G FLOPを使用する。
その結果, バイオメディカル・セマンティック・ガイダンスと軽量なマルチスケールCNN表現を統合し, 頑健で計算効率のよい甲状腺超音波セグメンテーションを実現した。
ソースコード:https://github.com/Tasnim-Jahan/ThyCLIPNet
[抽象はarXivに短縮。全抽象はPDFを参照。]
関連論文リスト
- Harnessing Lightweight Transformer with Contextual Synergic Enhancement for Efficient 3D Medical Image Segmentation [59.711744386226194]
モデル効率を実現するための軽量トランスであるLight-UNETRを提案する。
Light-UNETRは軽量次元減少(LIDR)モジュールを備えており、空間次元とチャネル次元を減少させる。
また,変換器のデータ効率向上を目的としたCSE学習戦略も導入した。
論文 参考訳（メタデータ） (2026-03-24T16:24:19Z) - TGC-Net: A Structure-Aware and Semantically-Aligned Framework for Text-Guided Medical Image Segmentation [56.09179939570486]
本稿では,パラメータ効率,タスク固有適応に着目したCLIPベースのフレームワークであるTGC-Netを提案する。
TGC-Netは、挑戦的なベンチマークで顕著なDiceゲインを含む、トレーニング可能なパラメータをかなり少なくして、最先端のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2025-12-24T12:06:26Z) - UESA-Net: U-Shaped Embedded Multidirectional Shrinkage Attention Network for Ultrasound Nodule Segmentation [12.967178888045728]
既存のネットワークは、低レベルの空間的詳細と高レベルのセマンティクスの整合に苦慮している。
我々は,多方向縮小に着目したU字型ネットワークUESA-Netを提案する。
2つの公開データセットにおいて、UESA-Netは、それぞれ0.8487と0.6495の交差一致(IoU)スコアで最先端のパフォーマンスを達成した。
論文 参考訳（メタデータ） (2025-09-26T14:54:38Z) - BioLite U-Net: Edge-Deployable Semantic Segmentation for In Situ Bioprinting Monitoring [1.2006896500048554]
リアルタイムバイオプリンティングに適した,軽量なセマンティックセマンティックセマンティクスフレームワークを提案する。
バイオプリンティングの過程で得られた787枚のRGB画像からなる新しいデータセットを,ノズル,バイオリンク,背景の3つのクラスにラベル付けした。
提案手法は,平均的インターセクションオーバーユニオン(mIoU),Diceスコア,画素精度を用いて,MobileNetV2およびMobileNetV3ベースのセグメンテーションベースラインに対してベンチマークを行った。
論文 参考訳（メタデータ） (2025-09-08T13:44:55Z) - AFFSegNet: Adaptive Feature Fusion Segmentation Network for Microtumors and Multi-Organ Segmentation [31.97835089989928]
医用画像のセグメンテーションは、コンピュータビジョンにおいて重要な課題であり、診断、治療計画、疾患モニタリングにおける臨床医を支援する。
本稿では,局所的特徴とグローバルな特徴を効果的に統合し,正確な医用画像分割を実現するトランスフォーマアーキテクチャである適応意味ネットワーク(ASSNet)を提案する。
多臓器、肝腫瘍、膀胱腫瘍の分節を含む様々な医療画像の分節タスクに関するテストは、ATSNetが最先端の結果を達成することを実証している。
論文 参考訳（メタデータ） (2024-09-12T06:25:44Z) - LATUP-Net: A Lightweight 3D Attention U-Net with Parallel Convolutions for Brain Tumor Segmentation [7.1789008189318455]
LATUP-Netは、並列畳み込みを備えた軽量な3DアテンションU-Netである。
高いセグメンテーション性能を維持しつつ、計算要求を大幅に削減するように設計されている。
BraTS 2020データセットの平均Diceスコアは88.41%、83.82%、73.67%であり、BraTS 2021データセットでは、それぞれ90.29%、89.54%、83.92%である。
論文 参考訳（メタデータ） (2024-04-09T00:05:45Z) - CAFCT-Net: A CNN-Transformer Hybrid Network with Contextual and Attentional Feature Fusion for Liver Tumor Segmentation [3.8952128960495638]
肝腫瘍分節化のためのコンテクスト・アテンショナル機能FusionsEnhanced Convolutional Network (CNN) と Transformer Hybrid Network (CAFCT-Net) を提案する。
実験の結果,提案モデルの平均断面積は76.54%,Dice係数は84.29%であった。
論文 参考訳（メタデータ） (2024-01-30T10:42:11Z) - SegViTv2: Exploring Efficient and Continual Semantic Segmentation with
Plain Vision Transformers [76.13755422671822]
本稿では,エンコーダ・デコーダ・フレームワークを用いた意味的セグメンテーションのためのプレーンビジョン変換器(ViT)の能力について検討する。
Intention-to-Mask(atm)モジュールを導入し、平易なViTに有効な軽量デコーダを設計する。
我々のデコーダは、様々なViTバックボーンを使用して人気のあるデコーダUPerNetより優れ、計算コストの5%程度しか消費しない。
論文 参考訳（メタデータ） (2023-06-09T22:29:56Z) - UNETR++: Delving into Efficient and Accurate 3D Medical Image Segmentation [93.88170217725805]
本稿では,高画質なセグメンテーションマスクと,パラメータ,計算コスト,推論速度の両面での効率性を提供するUNETR++という3次元医用画像セグメンテーション手法を提案する。
我々の設計の核となるのは、空間的およびチャネル的な識別的特徴を効率的に学習する、新しい効率的な対注意ブロック(EPA)の導入である。
Synapse, BTCV, ACDC, BRaTs, Decathlon-Lungの5つのベンチマークで評価した結果, 効率と精度の両面で, コントリビューションの有効性が示された。
論文 参考訳（メタデータ） (2022-12-08T18:59:57Z) - BCS-Net: Boundary, Context and Semantic for Automatic COVID-19 Lung
Infection Segmentation from CT Images [83.82141604007899]
BCS-Netは、CT画像から自動的に新型コロナウイルスの肺感染症を分離するための新しいネットワークである。
BCS-Netはエンコーダ-デコーダアーキテクチャに従っており、多くの設計はデコーダのステージに焦点を当てている。
BCSRブロックでは、アテンション誘導グローバルコンテキスト(AGGC)モジュールがデコーダの最も価値のあるエンコーダ機能を学ぶように設計されている。
論文 参考訳（メタデータ） (2022-07-17T08:54:07Z)
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。