超音波誘導高周波切除術（RFA）中の甲状腺乳頭ミクロガン腫（PTMC）の正確な分割は効果的な治療に重要ですが、音響アーチファクト、小さな病変の大きさ、および解剖学的変異によって困難があります。この研究では、甲状腺グランドコンテキストを統合してPTMC分割を改善するように設計されたデュアルデコーダトランスフォーマベースのアーキテクチャであるDualSwinUnet ++を提案します。 DualSwinUnet ++は、各デコーダに対して独立した線形投影ヘッドと、最初の（甲状腺）デコーダから2番目の（PTMC）デコーダに中間機能を接続および変換を介して伝達する残差情報フローメカニズムを使用します。これらの設計選択により、モデルは共有勾配の干渉なしに甲状腺の形で明示的に腫瘍予測を条件付けることができます。 691の注釈付きRFA画像を持つ臨床超音波データセットで訓練され、最先端のモデルと比較して評価されたDualSwinUnet ++は、200ms未満の推論遅延時間を維持しながら優れたDiceとJaccardスコアを達成します。結果は,モデルがほぼリアルタイムの手術支援に適しており,困難なPTMCケースにおける分割精度を改善するのに有効であることを示した。
