HFS-TriNet：TRUS動画から前立腺がんを分類するための三つのブランチによる協調的特徴学習ネットワーク
arXiv cs.CV / 2026/4/27
📰 ニュースModels & Research
要点
- この論文では、経直腸超音波（TRUS）動画を用いた前立腺がんの分類のために設計された、三つのブランチから成る協調的特徴学習ネットワークHFS-TriNetを提案しています。
- 動画入力における冗長性と計算コストを抑えるため、ヒューリスティックなフレーム選択（HFS）戦略を用い、間隔をあけてクリップをサンプリングしつつ、クリップの開始点を動的に調整してシーケンス全体をカバーするようにします。
- クラス間・クラス内の類似度が高いことやノイズが多いことといった課題に対して、モデルはResNet50の通常ブランチに加え、SAM（医療用Segment Anything）に基づく大規模モデルブランチと、時間的一貫性を探る正規化ベースの注意機構を組み合わせます。
- さらにWTCRブランチを追加し、ウェーブレット変換畳み込み残差学習によって高周波領域の病変エッジ情報を捉えつつ、低周波領域でノイズ除去を行います。
- 全体として、この手法は冗長性・類似性・低い信号対雑音比といったTRUS動画特有の課題に対し、空間・意味・時間・周波数領域の情報を融合することで対応を目指しています。
