Fugu-MT 論文翻訳(概要): MambaMorph: a Mamba-based Framework for Medical MR-CT Deformable Registration

論文の概要: MambaMorph: a Mamba-based Framework for Medical MR-CT Deformable Registration

arxiv url: http://arxiv.org/abs/2401.13934v3
Date: Mon, 11 Mar 2024 08:46:23 GMT
ステータス: 処理完了
システム内更新日: 2024-03-13 14:30:02.119589
Title: MambaMorph: a Mamba-based Framework for Medical MR-CT Deformable Registration
Title（参考訳）: MambaMorph:医療用MR-CT変形性レジストレーションのためのMambaベースのフレームワーク
Authors: Tao Guo and Yinuo Wang and Shihao Shu and Diansheng Chen and Zhouping Tang and Cai Meng and Xiangzhi Bai
Abstract要約: 我々は,新しい多モード変形可能な登録フレームワークであるMambaMorphを紹介する。 MambaMorphは、Mambaベースの登録モジュールと、きめ細かい、しかし単純な機能抽出器を使用している。 MambaMorphは,登録精度の観点から,現在最先端の学習ベース登録法よりも優れていることを示す。
参考スコア（独自算出の注目度）: 14.984797417719326
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Capturing voxel-wise spatial correspondence across distinct modalities is crucial for medical image analysis. However, current registration approaches are not practical enough in terms of registration accuracy and clinical applicability. In this paper, we introduce MambaMorph, a novel multi-modality deformable registration framework. Specifically, MambaMorph utilizes a Mamba-based registration module and a fine-grained, yet simple, feature extractor for efficient long-range correspondence modeling and high-dimensional feature learning, respectively. Additionally, we develop a well-annotated brain MR-CT registration dataset, SR-Reg, to address the scarcity of data in multi-modality registration. To validate MambaMorph's multi-modality registration capabilities, we conduct quantitative experiments on both our SR-Reg dataset and a public T1-T2 dataset. The experimental results on both datasets demonstrate that MambaMorph significantly outperforms the current state-of-the-art learning-based registration methods in terms of registration accuracy. Further study underscores the efficiency of the Mamba-based registration module and the lightweight feature extractor, which achieve notable registration quality while maintaining reasonable computational costs and speeds. We believe that MambaMorph holds significant potential for practical applications in medical image registration. The code for MambaMorph is available at: https://github.com/Guo-Stone/MambaMorph.
Abstract（参考訳）: 医用画像解析には,voxel-wise空間対応を別々に捉えることが重要である。しかし、現在の登録手法は、登録精度と臨床応用性の観点からは不十分である。本稿では,新しい多モード変形可能な登録フレームワークであるMambaMorphを紹介する。具体的には、MambaMorphは、Mambaベースの登録モジュールと、細粒度で単純な特徴抽出器を使用して、効率的な長距離対応モデリングと高次元特徴学習を行う。さらに,マルチモーダリティ登録におけるデータの不足に対処するため,脳MR-CT登録データセットSR-Regを開発した。 MambaMorphのマルチモダリティ登録機能を検証するため、SR-RegデータセットとパブリックT1-T2データセットの両方で定量的な実験を行った。両データセットにおける実験結果から,mambamorphは登録精度の点で,最先端の学習ベース登録手法を著しく上回っていることが示された。さらに,マンバをベースとした登録モジュールと軽量特徴抽出器の効率性を強調し,適正な計算コストと速度を維持しつつ,優れた登録品質を実現する。我々は,MambaMorphが医用画像登録の実用化に重要な可能性を秘めていると考えている。 MambaMorphのコードは、https://github.com/Guo-Stone/MambaMorphで入手できる。

関連論文リスト

LDM-Morph: Latent diffusion model guided deformable image registration [2.8195553455247317]
医用画像登録のための非教師あり変形可能な登録アルゴリズム LDM-Morph を提案する。潜在拡散モデル(LDM)から抽出したLDM-Morph統合機能を用いて意味情報を強化する。 4つのパブリックな2次元心臓画像データセットに対する大規模な実験により、提案されたLDM-Morphフレームワークは、既存の最先端CNNとTransformersベースの登録方法よりも優れていた。
論文参考訳（メタデータ） (2024-11-23T03:04:36Z)
NestedMorph: Enhancing Deformable Medical Image Registration with Nested Attention Mechanisms [0.0]
変形可能な画像登録は、異なるモダリティにまたがる非線形な方法で医療画像の整列に不可欠である。本稿では,Nested Attention Fusion を用いた新たなネットワークであるNestedMorphについて述べる。
論文参考訳（メタデータ） (2024-10-03T14:53:42Z)
DocMamba: Efficient Document Pre-training with State Space Model [56.84200017560988]
本稿では,状態空間モデルに基づく新しいフレームワークDocMambaを紹介する。グローバルなモデリング能力を保ちながら、計算複雑性を線形に減らすように設計されている。 HRDocの実験では、DocMambaの長さ外挿の可能性が確認された。
論文参考訳（メタデータ） (2024-09-18T11:34:28Z)
Bidirectional Gated Mamba for Sequential Recommendation [56.85338055215429]
最近の進歩であるMambaは、時系列予測において例外的なパフォーマンスを示した。 SIGMA(Selective Gated Mamba)と呼ばれる,シークエンシャルレコメンデーションのための新しいフレームワークを紹介する。以上の結果から,SIGMAは5つの実世界のデータセットにおいて,現在のモデルよりも優れていたことが示唆された。
論文参考訳（メタデータ） (2024-08-21T09:12:59Z)
VMambaMorph: a Multi-Modality Deformable Image Registration Framework based on Visual State Space Model with Cross-Scan Module [19.5487294104318]
本稿では,VMambaMorphという画像登録機能を備えたVMambaの探索について紹介する。新たなハイブリッドVMamba-CNNネットワークは、3D画像登録用に特別に設計されている。我々は,VMambaMorphを公開ベンチマーク脳MR-CT登録データセットを用いて検証し,その性能を現在の最先端手法と比較した。
論文参考訳（メタデータ） (2024-04-07T23:10:26Z)
MedMamba: Vision Mamba for Medical Image Classification [0.0]
視覚変換器(ViT)と畳み込みニューラルネットワーク(CNN)は医療画像分類タスクで広く研究され、広く利用されている。近年の研究では、マンバで表される状態空間モデル(SSM)が、長距離依存を効果的にモデル化できることが示されている。我々は、医用画像の一般的な分類のための最初のビジョンマンバであるメドマンバを提案する。
論文参考訳（メタデータ） (2024-03-06T16:49:33Z)
MiM-ISTD: Mamba-in-Mamba for Efficient Infrared Small Target Detection [72.46396769642787]
ネスト構造であるMamba-in-Mamba(MiM-ISTD)を開発した。 MiM-ISTDはSOTA法より8倍高速で、2048×2048$のイメージでテストすると、GPUメモリ使用率を62.2$%削減する。
論文参考訳（メタデータ） (2024-03-04T15:57:29Z)
Swin-UMamba: Mamba-based UNet with ImageNet-based pretraining [85.08169822181685]
本稿では,医療画像のセグメンテーションに特化して設計された新しいマンバモデルSwin-UMambaを紹介する。 Swin-UMamba は CNN や ViT,最新の Mamba ベースのモデルと比較して,優れたパフォーマンスを示している。
論文参考訳（メタデータ） (2024-02-05T18:58:11Z)
GSMorph: Gradient Surgery for cine-MRI Cardiac Deformable Registration [62.41725951450803]
学習に基づく変形可能な登録は、フィールドの登録精度と滑らかさをトレードオフする重み付けされた目的関数に依存する。我々は,GSMorphと呼ばれる勾配手術機構に基づく登録モデルを構築し,複数の損失に対してパラメータフリーな高バランスを実現する。提案手法はモデルに依存しないため,パラメータの追加や推論の遅延を伴わずに,任意のディープ登録ネットワークにマージすることができる。
論文参考訳（メタデータ） (2023-06-26T13:32:09Z)
Recurrence With Correlation Network for Medical Image Registration [66.63200823918429]
本稿では,医療画像登録ネットワークであるRecurrence with correlation Network (RWCNet)について述べる。これらの特徴により、2つの画像登録データセットにおける医用画像登録精度が向上することが実証された。
論文参考訳（メタデータ） (2023-02-05T02:41:46Z)
A coarse-to-fine framework for unsupervised multi-contrast MR image deformable registration with dual consistency constraint [20.905285486843006]
本稿では, 高精度なマルチコントラストMR画像登録を実現するための, 教師なし学習に基づく新しいフレームワークを提案する。具体的には、アフィンと変形可能な変換からなるエンドツーエンドの粗いネットワークアーキテクチャを設計する。提案手法は,CPU上でテストする場合,最も競争力のあるSyN(Affine)よりも約10倍高速である。
論文参考訳（メタデータ） (2020-08-05T01:16:45Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。