結腸ポリープセグメンテーションのための周波数領域分離を用いたマルチスケール集約ネットワーク

科学分野:

• 医用画像処理
• コンピュータビジョン
• 人工知能

背景:

• 大腸ポリープの正確なセグメンテーションは、大腸がんの早期発見と治療にとって非常に重要です。
• 結腸内視鏡検査画像の分析における課題には、多様なポリープ形態と可変の照明が含まれ、正確なセグメンテーションとエッジ抽出を妨げます。

主な方法:

• 提案されたFDANetは、ウェーブレット変換を使用して空間特徴を周波数サブバンドに分解し、低周波成分と高周波成分を分離します。
• ノイズを抑制し、前景特徴を強化するために低周波注意強化モジュール（LAEM）を組み込みました。
• 高周波マルチスケール集約モジュール（HMAM）を、方向性畳み込みとエッジ損失関数とともに統合し、微細なエッジ検出とマルチスケールポリープ表現を実現しました。

結論:

• FDANetは、自動大腸ポリープセグメンテーションのための有望なアプローチを提供し、早期がんスクリーニング能力を強化します。
• 周波数領域の分離とマルチスケール特徴集約戦略は、結腸内視鏡検査画像におけるセグメンテーションの課題に効果的に対処します。
• この手法は、より正確なポリープ検出と境界局在化に貢献し、臨床的意思決定を支援します。