論文の概要: FETALFusion: Resolution-Aware State-Space Modeling for Multi-Domain Fetal Head Segmentation

• arxiv url: http://arxiv.org/abs/2610.17951v1
• Date: Tue, 13 Oct 2026 08:35:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.560285
• Title: FETALFusion: Resolution-Aware State-Space Modeling for Multi-Domain Fetal Head Segmentation
• Title（参考訳）: FETALFusion:マルチドメイン胎児頭部分割のための分解能を考慮した状態空間モデリング
• Abstract要約: 胎児頭部分節のためのデュアルパスCNN-MambaエンコーダであるFETALFusionを提案する。 4方向のステートスペーススキャンを2つの高解像度ステージでのみ適用する。 FETALFusionのDiceスコアは0.963、HD95は2.10mmで、テスト時間拡張やドメインラベルはない。
• 参考スコア（独自算出の注目度）: 22.643964229988267
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Head circumference (HC) measured from 2D ultrasound is a routine marker of fetal growth, and automating it needs segmentations whose boundaries hold up on individual scans, not only on average. We present FETALFusion, a dual-path CNN-Mamba encoder-decoder for fetal head segmentation across acquisition types. It applies four-directional state-space scans only at the two highest-resolution stages, routes bottleneck features through domain-specific channel gates that are averaged at test time, and adds a weak landmark shape prior. We train jointly on transabdominal (HC-18) and transperineal (PSFHS) images and compare ten methods on a held-out test set of 471 images, each trained under one schedule and scored by surface distances at native resolution. FETALFusion reaches a Dice score of 0.963 and an HD95 of 2.10 mm without test-time augmentation or a domain label. It improves on U-Mamba on all five reported metrics (HD95 reduced by 0.31 mm; Holm-corrected ($p < 10^{-4}$), a lead that holds under test-time augmentation and across two independent training runs, and in the mean on U-Net, Attention U-Net and TransUNet. Residual encoders close the gap: a ResNet-34 UNet++ exceeds FETALFusion, and an ImageNet initialised ResNet-34 U-Net is best overall (HD95 1.75 mm). The ablation agrees. Calibrated against run-to-run variation, it attributes FETALFusion's measurable gains to the landmark shape prior and, on transperineal images, to the domain gates, while removing the state-space branch does not measurably change accuracy. HC from the predicted masks agrees with the clinical reference at an intraclass correlation of 0.9986.
• Abstract（参考訳）: 2D超音波から測定された頭部周波(HC)は胎児の成長の定期的なマーカーであり、それを自動化するには、平均だけでなく個々のスキャンに拘束されるセグメンテーションが必要である。 本稿では,2経路CNN-MambaエンコーダのFETALFusionについて述べる。 2つの最高解像度の段階でのみ4方向の状態空間スキャンを適用し、テスト時に平均となるドメイン固有のチャネルゲートを介してボトルネック特徴をルートし、事前に弱いランドマーク形状を追加する。 我々は,経腹膜(HC-18)と経腹膜(PSFHS)の画像を共同でトレーニングし,それぞれが1つのスケジュールでトレーニングされ,ネイティブ解像度で表面距離で測定される471画像の保持試験セットで10つの手法を比較した。 FETALFusionのDiceスコアは0.963、HD95は2.10mmで、テスト時間拡張やドメインラベルはない。 U-Mambaでは、報告された5つの指標(HD95は0.31 mm削減、Holm-corrected ($p < 10^{-4}$)、テスト時間拡張と2つの独立したトレーニング実行のリード、U-Net、Atention U-Net、TransUNetの平均で改善されている。 ResNet-34 UNet++はFETALFusionを超え、ImageNetで初期化されたResNet-34 U-Netは全体(HD95 1.75 mm)が最も優れている。 アブレーションは同意する。 FETALFusionの計測可能なゲインは、前述したランドマーク形状と、経ペリン画像に基づいて、ドメインゲートに比例するが、状態空間のブランチを削除することは、精度を測ることができない。 予測されたマスクからのHCは、クラス内相関0.9986で臨床基準に一致する。

関連論文リスト

• Detection is solved, delineation is not: what governs tooth segmentation on panoramic radiographs [0.3262230127283452]
  本研究は,42,142個の歯科用ポリゴンを含む1,422個のパノラマX線撮影装置を組み立てた。 入力解像度、アーキテクチャ、解剖学的事前を単一の評価プロトコルで分離するために使用する。
  論文  参考訳（メタデータ） (2026-09-18T11:08:02Z)
• Attention-Enhanced Dual-Branch ConvNeXt-BiLSTM Network for Subject-Independent EEG Seizure Detection [2.320417845168326]
  本稿では,同じ脳波セグメントから時間的・時間的表現を共同で学習する2分岐ネットワークを提案する。 このモデルには28.26万のパラメータと4.56 GFLOPが必要で、ネットワークのみの推論遅延は1セグメントあたり4.64ミリ秒である。
  論文  参考訳（メタデータ） (2026-08-25T14:35:22Z)
• Flow Map Denoisers: Traversing the Distortion-Perception Plane for Inverse Problems [48.501415601682815]
  画像復元は基本的なトレードオフに直面している: エラーを最小限に抑える手法はぼやけた再構成を生み出し、知覚的品質を最大化する手法はシャープだが忠実でない画像を生み出す。 フローマップモデルは、歪み知覚フロンティアを連続的に分散する1パラメータのデノイザ群を暗黙的に定義する。 Plug-and-Playソルバ内では、同じメカニズムが一般的な逆問題にまで拡張され、知覚的アライメントとデータの一貫性のトレードオフを制御する。
  論文  参考訳（メタデータ） (2026-06-18T05:15:43Z)
• HADS-Net:A Hybrid Attention-Augmented Dual-Stream Network with Physics-Informed Augmentation for Breast Ultrasound Image Classification [0.04999814847776097]
  HADS-Netはハイブリッドアテンション拡張デュアルストリームネットワークである。 グローバルなテクスチャと2つの平行な経路を通して局所的な境界線を利用する。 精度は96.58%、マクロOC-AUCは0.9978、マクロF1は0.9654、クラスF1スコアは0.970、0.951、0.976である。
  論文  参考訳（メタデータ） (2026-05-19T22:16:24Z)
• HyFormer-Net: A Synergistic CNN-Transformer with Interpretable Multi-Scale Fusion for Breast Lesion Segmentation and Classification in Ultrasound Images [0.0]
  HyFormer-Netは、本質的に解釈可能な同時セグメンテーションと分類のためのハイブリッドCNN変換器である。 BUSIデータセットでは、HyFormer-NetがDice Score 0.761 +/-0.072と精度93.2%を獲得し、U-Net、Attention U-Net、TransUNetを上回っている。 乳房超音波におけるハイブリッドCNN変換器のクロスデータセット一般化研究を初めて行った。
  論文  参考訳（メタデータ） (2025-11-02T17:06:12Z)
• Pyramid Fusion Transformer for Semantic Segmentation [44.57867861592341]
  マルチスケール特徴量を持つマスク毎のセマンティックセマンティックセグメンテーションのためのトランスフォーマベースピラミッドフュージョントランス (PFT) を提案する。 広く使われている3つのセマンティックセグメンテーションデータセット上での競合性能を実現する。
  論文  参考訳（メタデータ） (2022-01-11T16:09:25Z)
• CrossMoDA 2021 challenge: Benchmark of Cross-Modality Domain Adaptation techniques for Vestibular Schwnannoma and Cochlea Segmentation [43.372468317829004]
  ドメイン適応(DA)は、最近、医療画像コミュニティにおいて大きな関心を集めている。 これらの制限に対処するため、クロスモダリティドメイン適応(cross-Modality Domain Adaptation,crossMoDA)という課題が組織された。 CrossMoDAは、教師なしのクロスモダリティDAのための、最初の大規模でマルチクラスのベンチマークである。
  論文  参考訳（メタデータ） (2022-01-08T14:00:34Z)
• CNN Filter Learning from Drawn Markers for the Detection of Suggestive Signs of COVID-19 in CT Images [58.720142291102135]
  畳み込みニューラルネットワーク(CNN)のフィルタを推定するために,大規模な注釈付きデータセットやバックプロパゲーションを必要としない手法を提案する。 少数のCT画像に対して、ユーザは、代表的な正常領域と異常領域にマーカーを描画する。 本発明の方法は、カーネルがマークされたものに似た拡張領域に特有な一連の畳み込み層からなる特徴抽出器を生成する。
  論文  参考訳（メタデータ） (2021-11-16T15:03:42Z)
• CSWin Transformer: A General Vision Transformer Backbone with Cross-Shaped Windows [99.36226415086243]
  汎用視覚タスクのための効率的なトランスフォーマーベースバックボーンCSWin Transformerを提案する。 トランスフォーマー設計における課題は、グローバルな自己アテンションが計算に非常に高価であるのに対して、ローカルな自己アテンションはトークン間の相互作用のフィールドを制限することが多いことである。
  論文  参考訳（メタデータ） (2021-07-01T17:59:56Z)
• SAR-U-Net: squeeze-and-excitation block and atrous spatial pyramid pooling based residual U-Net for automatic liver CT segmentation [3.192503074844775]
  Squeeze-and-Excitation(SE)ブロック,Atrous Space Pyramid Pooling(ASPP),Resternal Learningといったテクニックを活用した,U-Netベースのフレームワークが提案されている。 提案手法の有効性を2つの公開データセットLiTS17とSLiver07で検証した。
  論文  参考訳（メタデータ） (2021-03-11T02:32:59Z)
• Graph Regularized Autoencoder and its Application in Unsupervised Anomaly Detection [42.86693635734333]
  本稿では,最小スパンニングツリー(MST)を用いて局所的な近傍構造を近似し,データ点間の構造保存距離を生成することを提案する。 我々は,20個のベンチマーク異常検出データセットに対して,多種多様な代替手法より優れた新しいグラフ正規化オートエンコーダを開発した。
  論文  参考訳（メタデータ） (2020-10-29T21:17:41Z)

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。