ウェーブレット変換に基づく周波数置換とエッジ強調による半教師あり胎児超音波画像セグメンテーション

科学分野:

• 医用画像処理
• 人工知能
• 生体医工学

背景:

• 超音波画像のセグメンテーションは、コントラストが低く境界が不明瞭なため困難です。
• 完全教師ありの手法では広範な注釈が必要であり、コストと時間がかかります。
• 注釈が限定的なシナリオでは、半教師あり手法の開発が重要です。

研究 の 目的:

• 注釈が限定的な超音波画像のための効果的な半教師ありセグメンテーションフレームワークを開発すること。
• データ拡張とエッジ強調技術を活用して、超音波画像処理におけるセグメンテーション精度を向上させること。

主な方法:

• 超音波画像のための新しい半教師ありセグメンテーションフレームワークを提案しました。
• 離散ウェーブレット変換（DWT）による周波数成分拡張を利用しました。
• 解剖学的境界を強調するために、エッジマスク強調モジュールを実装しました。

主要な成果:

• 注釈付き画像が10枚のみの公開胎児超音波データセットで、平均Dice類似係数（DSC）0.81および0.91を達成しました。
• FixMatchなどの既存の半教師あり手法と比較して、DSCで2〜3％の改善を示しました。
• アブレーション研究により、高周波拡張とエッジ強調の効果が確認されました。

結論:

• 提案されたフレームワークは、注釈が限定的な超音波画像セグメンテーションの精度を効果的に向上させます。
• 周波数領域拡張とエッジ認識強調を組み合わせて、堅牢なパフォーマンスを実現します。
• データが不足している環境での医用画像処理に有望な方向性を提供します。