論文の概要: LINDA: Low Resource Foot Ulcer Segmentation using Local Similarity and Iterative Neural Dynamics

• arxiv url: http://arxiv.org/abs/2611.04233v1
• Date: Tue, 03 Nov 2026 03:12:16 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-04 17:32:57.439466
• Title: LINDA: Low Resource Foot Ulcer Segmentation using Local Similarity and Iterative Neural Dynamics
• Title（参考訳）: LINDA:局所的類似性と反復的ニューラルダイナミクスを用いた低リソース足潰瘍分節化
• Abstract要約: 本稿では, セグメンテーションを明示的な構造的先行で基礎付けるコンパクトモデル LINDA を提案する。 FUSeg 2021データセット上の1つのプロトコルの下で訓練された全てのモデルにより、LINDAは最高のDice(86.68%)、IoU(79.67%)、境界精度(HD95 6.37ピクセル)を得る。 これにより、LINDAはリソース制約ケアにおける創傷評価の正確で検査可能な軽量な選択肢となる。
• 参考スコア（独自算出の注目度）: 20.73430407242157
• License:
• Abstract: Foot ulcers are a leading cause of lower limb amputation, and the highest burden often falls on low and middle income regions where specialists and computing hardware are both scarce. Wound monitoring tools are most useful there when they are accurate yet small enough to run on ordinary devices, but accuracy usually comes from heavy networks. We present LINDA, a compact model that grounds segmentation in an explicit structural prior instead of raw intensity. A Local Self-Similarity (LSS) map, computed directly from the image and stable under local lighting changes, is fused into a ResNet-34 encoder, and a small Liquid Time-Constant module refines the boundary over four iterative steps. With every model trained under one protocol on the FUSeg 2021 dataset, LINDA obtains the best Dice (86.68\%), IoU (79.67\%), and boundary accuracy (HD95 6.37 pixels) in our comparison while using only 25.70M parameters, fewer than the U-Net and transformer baselines. As the LSS map is a fixed function of the input, it exposes the structural cues the model follows in a readable form. Together this makes LINDA an accurate, inspectable, and lightweight option for wound assessment in resource-constrained care.
• Abstract（参考訳）: 足の潰瘍は下肢切断の主因であり、高い負担は専門医と計算ハードウェアが不足している低所得地域と中所得地域にあることが多い。 ハウンド監視ツールは、通常のデバイスで動作可能なほど正確で小さい場合に最も有用であるが、通常、重ネットワークから正確性を得る。 LINDAは、生の強度ではなく、明示的な構造にセグメンテーションを基礎とするコンパクトモデルである。 局所自己相似性(LSS)マップは、画像から直接計算され、局所的な照明変化の下で安定して、ResNet-34エンコーダに融合され、小さな液体時定数モジュールが4つの反復的なステップで境界を洗練する。 FUSeg 2021データセット上の1つのプロトコルの下でトレーニングされたすべてのモデルにおいて、LINDAは、U-Netとトランスフォーマーベースラインよりも少ない25.70Mパラメータのみを使用しながら、最高のDice(86.68\%)、IoU(79.67\%)、境界精度(HD95 6.37ピクセル)を得る。 LSSマップは入力の固定関数であるため、モデルが従う構造的キューを可読形式で公開する。 これにより、LINDAはリソース制約ケアにおける創傷評価の正確で検査可能な軽量な選択肢となる。

関連論文リスト

• Compute Has Shape: Self-Morphing the Internal Computation of Frozen LLMs [66.81922093956588]
  テストタイムのスケーリングは、さらなる計算によって大きな言語モデルを改善する。 既存のアプローチは、トレーニング中にリカレントアーキテクチャや並列アーキテクチャを主に修正する。 計算形状を入力依存推論時間決定とするSelfMorphを導入する。
  論文  参考訳（メタデータ） (2026-10-28T07:19:28Z)
• TernScope: Model-Hardware Co-Design for Efficient Ternary Endoscopic Segmentation [5.213250788055269]
  TernScopeは、低ビット演算子がハードウェアの実行を単純化する、コンパクトなセグメンテーションネットワークを学習する。 25の畳み込みはすべて3次重みと8ビットのアクティベーションを使い、満載のストレージと乗算器なしの計算を可能にした。 同じ45nm技術の下で、TernScopeはオリジナルのGemminiと比較して計算アレイ面積を88.46%削減した。
  論文  参考訳（メタデータ） (2026-10-21T11:56:23Z)
• LCMamNet: A Lightweight Cross-scale Mamba Network for Infrared Small Target Detection [53.811713750107934]
  赤外線小ターゲット検出のための軽量クロススケールマンバネットワークであるLCMamNetを提案する。 十字形指向性ボトルネック残差ブロックを有するコンパクト階層型エンコーダは、指向性ターゲット構造を強化する。 IRSTD-1k、NUAA-SIRST、NUDT-SIRSTの実験では、提案したネットワークがそれぞれ71.25%、79.60%、95.58%のmIoUスコアを達成した。
  論文  参考訳（メタデータ） (2026-07-27T09:06:14Z)
• DepthART: Scaling Foundation Monocular Depth to Tiny Models [51.10174763031444]
  DepthARTは、様々なシーンにまたがるデバイス上のデプロイメントのためのコンパクトなMDEモデルである。 ゼロショット一般化とメートル法精度の両方において、DepthARTが従来の小さなベースラインを一貫して上回っていることを示す。 また、GTX A6000で347/245 FPS (strict FP32)、Orin NX 8GBで2242/4482ドル、102 FPS (TF32)、Jetson Nano 4GBで15 FPS (FP32) に達したスケーラブルなモデルファミリも提供しています。
  論文  参考訳（メタデータ） (2026-07-19T06:54:52Z)
• Calibrated and Robust Foundation Models for Vision-Language and Medical Image Tasks Under Distribution Shift [2.292525568003776]
  CLIPやSAMといった基礎モデルには、低ショット転送学習による高度なコンピュータビジョンと医療画像があり、限られたデータでCADDを支援する。 両課題に対処するためのFIPとCMPの融合である textbfStaRFM を提案する。 パッチワイド正規化により3Dに拡張されたFIPを適用し、埋め込みシフトを減らすとともに、ボクセルレベルの予測のために修正されたCMPをセグメンテーションの不確実性に適用する。
  論文  参考訳（メタデータ） (2025-07-12T09:39:07Z)
• INSIGHT: Explainable Weakly-Supervised Medical Image Analysis [20.635521620900978]
  INSIGHTは、熱マップ生成を誘導バイアスとして統合する、弱制御アグリゲータである。 CTとWSIのベンチマークでは、INSIGHTは最先端の分類結果と弱いラベル付きセマンティックセグメンテーション性能を達成する。
  論文  参考訳（メタデータ） (2024-12-02T22:31:23Z)
• MiM-ISTD: Mamba-in-Mamba for Efficient Infrared Small Target Detection [72.46396769642787]
  ネスト構造であるMamba-in-Mamba(MiM-ISTD)を開発した。 MiM-ISTDはSOTA法より8倍高速で、2048×2048$のイメージでテストすると、GPUメモリ使用率を62.2$%削減する。
  論文  参考訳（メタデータ） (2024-03-04T15:57:29Z)
• Data-Free Dynamic Compression of CNNs for Tractable Efficiency [46.498278084317704]
  構造化プルーニング手法は, 精度が大幅に低下することなく浮動小数点演算を低下させる可能性を示唆している。 HASTE(Hashing for Tractable Efficiency)は,データフリーでプラグイン・アンド・プレイのコンボリューションモジュールで,トレーニングや微調整なしにネットワークのテスト時間推論コストを瞬時に低減する。 CIFAR-10とImageNetでは46.72%のFLOPを1.25%の精度で削減した。
  論文  参考訳（メタデータ） (2023-09-29T13:09:40Z)
• Lightweight Salient Object Detection in Optical Remote Sensing Images via Feature Correlation [93.80710126516405]
  本稿では,これらの問題に対処する軽量ORSI-SODソリューションであるCorrNetを提案する。 それぞれのコンポーネントのパラメータと計算を減らし、CorrNetは4.09Mのパラメータしか持たず、21.09GのFLOPで実行している。 2つの公開データセットの実験結果から、私たちの軽量なCorrNetは、26の最先端メソッドと比較して、競争力やパフォーマンスがさらに向上することが示された。
  論文  参考訳（メタデータ） (2022-01-20T08:28:01Z)

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。