PBE-UNet：超音波画像セグメンテーションのための、スケール対応の集約を備えた軽量なプログレッシブ境界強調U-Net

arXiv cs.CV / 2026/4/16

💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research

共有:

要点

本論文では、低コントラスト、ぼかしのある境界、大きなスケール変動といった状況下でも超音波画像における病変のセグメンテーションを改善するための、軽量なプログレッシブ境界強調U-NetであるPBE-UNetを提案する。
受容野を動的に調整して頑健なマルチスケール文脈を捉えるスケール対応集約モジュール（SAAM）を追加し、病変サイズの違いによって生じる性能低下に対処する。
境界予測を段階的に、より広い空間的注意マップへ拡張する境界誘導特徴強調（BGFE）アプローチを提案し、より広範なセグメンテーション誤差領域をカバーする。
4つの超音波ベンチマーク（BUSI、Dataset B、TN3K、BP）での実験により、PBE-UNetが既存の最先端の超音波セグメンテーション手法を上回ることが報告されている。
再現性および今後の研究利用のために、著者らはリンクされたGitHubリポジトリでオープンソース実装を提供している。