Wavelet-Guided Spatial-Frequency Fusion ネットワークによる一般化可能な2D医療画像セグメンテーション

科学分野:

• 医療用イメージング
• コンピュータ・ビジョン
• シグナル処理

背景:

• 医療画像のセグメンテーションは診断に不可欠ですが,画像プロトコルや人工物によって引き起こされるドメインのシフトに苦しんでいます.
• 既存の方法は,多くの場合,複数のスケールの空間情報を局所的な周波数詳細と統合できず,異なる医療画像領域でのパフォーマンスを妨げています.
• この制限は,多様なデータセットに一般化できる強力な医療画像セグメンテーションのための新しいアプローチを必要とします.

研究 の 目的:

• 改善された医療画像セグメンテーションのための空間と波紋周波数表現を統一する新しいフレームワーク,WGSF-Netを提案する.
• 医療画像セグメンテーションにおけるドメイン一般化の課題に対処するために,多層構造のシグネチャーと局所化された周波数シグネチャを効果的に統合する.
• 医学画像の解剖学的な境界の保存を強化する,特にドメインのシフトの下で.

主な方法:

• 空間と波紋周波数の表現を組み合わせる新しいフレームワークを開発しました.
• 領域不変の構造パターンを捕捉する方向性サブバンドに特徴を分解する波紋誘導マルチスケール注意メカニズムを導入した.
• 空間的に強化されたスキップ接続の周波数精製デコーダー機能のダイナミックなアラインメントのための適応的横断融合戦略を実装した.

主要な成果:

• 提案された方法は,皮膚検査,超音波検査,顕微鏡検査のデータセットにおいて最先端の性能を達成し,未知の領域への強力な一般化を実証した.
• WGSF-Netは,以前の方法と比較して,ダイススコアの有意な改善を示し,皮膚検査では1.5%,超音波検査では2.0%,顕微鏡検査では13.9%の改善を示した.
• 波紋誘導空間周波数融合アプローチは,2D医療画像セグメンテーションにおける一般化能力を効果的に強化しました.

結論:

• 波紋誘導空間周波数融合は,2D医療画像セグメンテーションモデルの一般化を改善するための効果的な戦略です.
• 提案されたWGSF-Netの枠組みは,領域間での変化に対処する既存の方法の限界をうまく対処しています.
• このアプローチは,より堅牢で信頼性の高い医療画像セグメンテーションツールを開発するための有望な方向性を提供します.