Краткое содержание

arXiv:2512.17278v1 Тип объявления: новое Аннотация: Сегментация изображений ультразвукового исследования молочной железы (BUS) играет важную роль в поддержке клинической диагностики и раннего скрининга опухолей. Однако такие вызовы, как шум от speckle, артефакты изображения, нерегулярная форма поражений и размытые границы, значительно затрудняют точную сегментацию. Для решения этих проблем эта работа стремится разработать надежную и эффективную модель для автоматической сегментации опухолей молочной железы на изображениях BUS. Мы предлагаем новую сеть сегментации под названием WDFFU-Mamba, которая интегрирует метод улучшения на основе вейвлетов и двойное внимание к объединению признаков внутри архитектуры U-образной Mamba. Внедряется модуль Wavelet-denoised High-Frequency-guided Feature (WHF), который повышает низкоуровневые представления с помощью подавленных шумом высокочастотных сигналов. Также вводится модуль Dual Attention Feature Fusion (DAFF) для эффективного объединения пропущенных и семантических признаков, улучшая контекстную согласованность. Обширные эксперименты на двух публичных наборах данных BUS показывают... Продолжение текста отсутствует в исходном запросе: Аннотация: Сегментация изображений ультразвукового исследования молочной железы (BUS) играет важную роль в поддержке клинической диагностики и раннего скрининга опухолей. Однако такие вызовы, как шум от speckle, артефакты изображения, нерегулярная форма поражений и размытые границы, значительно затрудняют точную сегментацию. Для решения этих проблем эта работа стремится разработать надежную и эффективную модель для автоматической сегментации опухолей молочной железы на изображениях BUS. Мы предлагаем новую сеть сегментации под названием WDFFU-Mamba, которая интегрирует метод улучшения на основе вейвлетов и двойное внимание к объединению признаков внутри архитектуры U-образной Mamba. Внедряется модуль Wavelet-denoised High-Frequency-guided Feature (WHF), который повышает низкоуровневые представления с помощью подавленных шумом высокочастотных сигналов. Также вводится модуль Dual Attention Feature Fusion (DAFF) для эффективного объединения пропущенных и семантических признаков, улучшая контекстную согласованность. Обширные эксперименты на двух публичных наборах данных BUS показывают... Исправление: Аннотация: Сегментация изображений ультразвукового исследования молочной железы (BUS) играет важную роль в поддержке клинической диагностики и раннего скрининга опухолей. Однако такие вызовы, как speckle-шум, артефакты изображения, нерегулярная форма поражений и размытые границы, значительно затрудняют точную сегментацию. Для решения этих проблем эта работа стремится разработать надежную и эффективную модель для автоматической сегментации опухолей молочной железы на изображениях BUS. Мы предлагаем новую сеть сегментации под названием WDFFU-Mamba, которая интегрирует метод улучшения на основе вейвлетов и двойное внимание к объединению признаков внутри архитектуры U-образной Mamba. Внедряется модуль Wavelet-denoised High-Frequency-guided Feature (WHF), который повышает низкоуровневые представления с помощью подавленных шумом высокочастотных сигналов. Также вводится модуль Dual Attention Feature Fusion (DAFF) для эффективного объединения пропущенных и семантических признаков, улучшая контекстную согласованность. Обширные эксперименты на двух публичных наборах данных BUS показывают... Продолжение: Аннотация: Сегментация изображений ультразвукового исследования молочной железы (BUS) играет важную роль в поддержке клинической диагностики и раннего скрининга опухолей. Однако такие вызовы, как speckle-шум, артефакты изображения, нерегулярная форма поражений и размытые границы, значительно затрудняют точную сегментацию. Для решения этих проблем эта работа стремится разработать надежную и эффективную модель для автоматической сегментации опухолей молочной железы на изображениях BUS. Мы предлагаем новую сеть сегментации под названием WDFFU-Mamba, которая интегрирует метод улучшения на основе вейвлетов и двойное внимание к объединению признаков внутри архитектуры U-образной Mamba. Внедряется модуль Wavelet-denoised High-Frequency-guided Feature (WHF), который повышает низкоуровневые представления с помощью подавленных шумом высокочастотных сигналов. Также вводится модуль Dual Attention Feature Fusion (DAFF) для эффективного объединения пропущенных и семантических признаков, улучшая контекстную согласованность. Обширные эксперименты на двух публичных наборах данных BUS показывают... Исправление текста: Аннотация: Сегментация изображений ультразвукового исследования молочной железы (BUS) играет важную роль в поддержке клинической диагностики и раннего скрининга опухолей. Однако такие вызовы, как speckle-шум, артефакты изображения, нерегулярная форма поражений и размытые границы, значительно затрудняют точную сегментацию. Для решения этих проблем эта работа стремится разработать надежную и эффективную модель для автоматической сегментации опухолей молочной железы на изображениях BUS. Мы предлагаем новую сеть сегментации под названием WDFFU-Mamba, которая интегрирует метод улучшения на основе вейвлетов и двойное внимание к объединению признаков внутри архитектуры U-образной Mamba. Внедряется модуль Wavelet-denoised High-Frequency-guided Feature (WHF), который повышает низкоуровневые представления с помощью подавленных шумом высокочастотных сигналов. Также вводится модуль Dual Attention Feature Fusion (DAFF) для эффективного объединения пропущенных и семантических признаков, улучшая контекстную согласованность. Обширные эксперименты на двух публичных наборах данных BUS показывают... Правильная версия: Аннотация: Сегментация изображений ультразвукового исследования молочной железы (BUS) играет важную роль в поддержке клинической диагностики и раннего скрининга опухолей. Однако такие вызовы, как speckle-шум, артефакты изображения, нерегулярная форма поражений и размытые границы, значительно затрудняют точную сегментацию. Для решения этих проблем эта работа стремится разработать надежную и эффективную модель для автоматической сегментации опухолей молочной железы на изображениях BUS. Мы предлагаем новую сеть сегментации под названием WDFFU-Mamba, которая интегрирует метод улучшения на основе вейвлетов и двойное внимание к объединению признаков внутри архитектуры U-образной Mamba. Внедряется модуль