FreqFuseNet: Fusão de dupla frequência normalizada em escala para a Segmentação de Cabeça e Deck Fino

O que aconteceu

A segmentação precisa de órgãos de parede fina em risco (RAO) em tomografia computadorizada de cabeça e pescoço (TC) é desafiadora porque pequenos desvios de contorno podem afetar substancialmente a concordância de contornos. Apresentamos FreqFuseNet, uma arquitetura de segmentação com um ramo primário de transformada rápida de Fourier (FFT) e um ramo residual de rede de atenção de canal de frequência (FcaNet) que explicitamente alinha escalas heterogêneas de características de frequência antes da fusão residual limitada. Uma análise do tempo de inicialização revelou uma disparidade de aproximadamente 863 vezes na escala de ativação entre os dois ramos, correspondendo a uma razão de magnitude residual a primária não intencional de aproximadamente 43 vezes sob fusão ingênua com um coeficiente nominal de 0,05. FreqFuseNet usa por amostra, alinhamento de escala por canal para preservar a amplitude relativa pretendida sem parâmetros de normalização adicionais. Foram avaliados 10 RAO de parede fina em SegRap2023 (84 treinamento, 18 validação e 18 testes de casos de TC) sob um protocolo binário padronizado de região de interesse (ROI). Em duas sementes de treinamento, FreqFuseNet alcançou Dados de 0,849 e 0,843, 95a distância de Hausdorff percentual (HD95) de 0,824 e 0,823 mm, e Dados de superfície de 1 mm de 0,959 e 0,957. Em comparações pareadas caso-nível para a semente primária (teste de Wilcoxon sinal-rank, não corrigido para comparações múltiplas), FreqFuseNet mostrou melhorias significativas sobre 3D U-Net e MedNeXt-S, enquanto diferenças versus um design de fusão aprendido alternativa (FixedFusion) e SegResNet não foram estatisticamente significativas. Esses achados identificam um problema prático de calibração em escala de recursos na segmentação de dupla frequência e demonstram desempenho competitivo sensível aos limites da arquitetura proposta dentro da configuração baseada em ROI avaliada.