超音波動画における乳房病変のセグメンテーションにより多くの注意を向ける

超音波（US）動画における乳がん病変のセグメンテーションは、腋窩リンパ節転移の診断と治療において不可欠です。しかし、高品質なアノテーションを有する大規模で確立された超音波動画データセットの不足により、研究コミュニティには長年の課題となっています。この問題を克服するために、我々は572本の動画と34,300枚のアノテーションフレームから構成され、現実的な臨床シナリオを幅広くカバーするUS動画乳がん病変セグメンテーションデータセットを丹念に作成しました。さらに、我々は新たな周波数および位置特徴量集約ネットワーク（FLA-Net）を提案します。このネットワークは周波数領域から時間的特徴量を学習し、追加の病変位置を予測することで乳がん病変のセグメンテーションを支援します。また、位置に基づくコントラスティブ損失を設計し、同一動画内の隣接フレーム間での病変位置距離を縮小するとともに、異なる超音波動画からのフレーム間での位置距離を拡大することを目指しています。我々の提案するFLA-Netについて、自社アノテーションデータセットと2つの公開ポリープセグメンテーション動画データセット上で行った実験結果は、US動画における乳がん病変セグメンテーションとポリープセグメンテーションにおいて最先端の性能を達成していることを示しています。同時に、時間と空間の複雑さを大幅に削減しています。当該モデルとデータセットはhttps://github.com/jhl-Det/FLA-Net で利用可能です。