M-Net: Integrazione di Caratteristiche Spettrali e Operatori di Campo Fisico nel Deep Learning per la Segmentazione di Immagini Mediche

La M-Net (Math-Augmented Network) è un nuovo framework di deep learning che migliora la U-Net per la segmentazione di immagini mediche incorporando espliciti bias induttivi matematici. Questo metodo utilizza caratteristiche spettrali continue basate sul numero di condizionamento di matrici locali di pixel centrate, insieme a operatori di campo fisico, inclusa la divergenza e un operatore discreto di irregolarità di bordo simile al rotore, derivato dai campi di gradiente dell'immagine. Inoltre, un Math-Attention Gate (MAG) fonde adattivamente queste caratteristiche matematiche. Pubblicato su arXiv (2608.12196), la ricerca esplora il potenziale dell'analisi spettrale di matrici e degli operatori di calcolo vettoriale per migliorare la segmentazione oltre gli approcci tradizionali basati sui dati. Questo lavoro fa parte di iniziative più ampie per integrare principi matematici nel deep learning per l'imaging medico ed è classificato come annuncio di tipo incrociato, suggerendo che potrebbe essere stato presentato in vari forum.