論文の概要: DH-Mamba: Exploring Dual-domain Hierarchical State Space Models for MRI Reconstruction

• arxiv url: http://arxiv.org/abs/2501.08163v3
• Date: Mon, 31 Mar 2025 13:41:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-01 14:28:24.173134
• Title: DH-Mamba: Exploring Dual-domain Hierarchical State Space Models for MRI Reconstruction
• Title（参考訳）: DH-Mamba:MRI再建のための二重領域階層的状態空間モデルの検討
• Authors: Yucong Meng, Zhiwei Yang, Zhijian Song, Yonghong Shi,
• Abstract要約: 本稿では,効率的なMRI再構成のための選択状態空間モデル(Mamba)について検討する。 マンバは通常、2D画像を行と列に沿って異なる1D配列に平坦化し、k空間のユニークなスペクトルを乱す。 既存のアプローチでは、画素レベルで画像を展開するために、多方向の長軸走査を採用しており、長距離の忘れ込みと計算負荷が高い。
• 参考スコア（独自算出の注目度）: 6.341065683872316
• License:
• Abstract: The accelerated MRI reconstruction poses a challenging ill-posed inverse problem due to the significant undersampling in k-space. Deep neural networks, such as CNNs and ViTs, have shown substantial performance improvements for this task while encountering the dilemma between global receptive fields and efficient computation. To this end, this paper explores selective state space models (Mamba), a new paradigm for long-range dependency modeling with linear complexity, for efficient and effective MRI reconstruction. However, directly applying Mamba to MRI reconstruction faces three significant issues: (1) Mamba typically flattens 2D images into distinct 1D sequences along rows and columns, disrupting k-space's unique spectrum and leaving its potential in k-space learning unexplored. (2) Existing approaches adopt multi-directional lengthy scanning to unfold images at the pixel level, leading to long-range forgetting and high computational burden. (3) Mamba struggles with spatially-varying contents, resulting in limited diversity of local representations. To address these, we propose a dual-domain hierarchical Mamba for MRI reconstruction from the following perspectives: (1) We pioneer vision Mamba in k-space learning. A circular scanning is customized for spectrum unfolding, benefiting the global modeling of k-space. (2) We propose a hierarchical Mamba with an efficient scanning strategy in both image and k-space domains. It mitigates long-range forgetting and achieves a better trade-off between efficiency and performance. (3) We develop a local diversity enhancement module to improve the spatially-varying representation of Mamba. Extensive experiments are conducted on three public datasets for MRI reconstruction under various undersampling patterns. Comprehensive results demonstrate that our method significantly outperforms state-of-the-art methods with lower computational cost.
• Abstract（参考訳）: 急激なMRI再建は、k空間における重要なアンダーサンプリングのため、不適切な逆問題を引き起こす。 CNNやViTといったディープニューラルネットワークは、グローバルな受容場と効率的な計算のジレンマに直面しながら、このタスクに対して大幅なパフォーマンス向上を示している。 そこで本稿では, 線形複雑化を伴う長距離依存性モデリングのための新しいパラダイムである選択状態空間モデル(Mamba)を, 効率的かつ効率的なMRI再構成のために検討する。 1) マンバは2次元画像を行や列に沿って異なる1次元配列に平らにし、k空間のユニークなスペクトルを乱し、k空間学習におけるその潜在性を未探索のまま残している。 2)既存手法では,画像の画素レベルでの展開に複数方向の長軸走査を導入し,長距離の忘れ込みや計算負荷の増大を招いた。 (3)マンバは空間的に異なる内容に苦しむため、局所的な表現の多様性は限られている。 そこで本稿では,MRI再構成のための二重領域階層型マンバについて,(1)k空間学習におけるマンバの先駆的ビジョンを提案する。 円形走査はスペクトル展開のためにカスタマイズされ、k空間のグローバルなモデリングに有用である。 2) 画像領域とk空間領域の両方で効率的な走査戦略を持つ階層型マンバを提案する。 長距離の忘れを軽減し、効率と性能のトレードオフを改善する。 (3) 局所的な多様性向上モジュールを開発し,空間的に変化するマンバの表現を改善する。 様々なアンダーサンプリングパターンの下で,MRI再建のための3つの公開データセットに対して大規模な実験を行った。 総合的な結果から,本手法は計算コストの低い最先端手法を著しく上回ることを示した。

関連論文リスト

• Detail Matters: Mamba-Inspired Joint Unfolding Network for Snapshot Spectral Compressive Imaging [40.80197280147993]
  本研究では,HSI再建の非線形および不適切な特徴を克服するために,マンバインスパイアされたジョイント・アンフォールディング・ネットワーク(MiJUN)を提案する。 本稿では,初期最適化段階への依存を減らすために,高速化された展開ネットワーク方式を提案する。 テンソルモード-$k$展開をMambaネットワークに統合することにより,Mambaによる走査戦略を洗練する。
  論文  参考訳（メタデータ） (2025-01-02T13:56:23Z)
• Mamba-SEUNet: Mamba UNet for Monaural Speech Enhancement [54.427965535613886]
  Mambaは、新しいステートスペースモデル(SSM)として、自然言語処理やコンピュータビジョンに広く応用されている。 本稿では,MambaとU-Net for SEタスクを統合する革新的なアーキテクチャであるMamba-SEUNetを紹介する。
  論文  参考訳（メタデータ） (2024-12-21T13:43:51Z)
• Manta: Enhancing Mamba for Few-Shot Action Recognition of Long Sub-Sequence [33.38031167119682]
  数ショットのアクション認識では、ビデオの長いサブシーケンスは、アクション全体をより効果的に表現する。 最近のMambaは、長いシーケンスをモデリングする効率を示すが、MambaをFSARに直接適用することは、局所的な特徴モデリングとアライメントの重要性を見落としている。 これらの課題を解決するために,Matryoshka MAmba と CoNtrasTive LeArning フレームワーク (Manta) を提案する。 Mantaは、SSv2、Kineetics、UCF101、HMDB51などの著名なベンチマークで、最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2024-12-10T13:03:42Z)
• MobileMamba: Lightweight Multi-Receptive Visual Mamba Network [51.33486891724516]
  従来の軽量モデルの研究は、主にCNNとTransformerベースの設計に重点を置いてきた。 効率と性能のバランスをとるMobileMambaフレームワークを提案する。 MobileMambaはTop-1で83.6%を達成し、既存の最先端の手法を上回っている。
  論文  参考訳（メタデータ） (2024-11-24T18:01:05Z)
• V2M: Visual 2-Dimensional Mamba for Image Representation Learning [68.51380287151927]
  Mambaは、フレキシブルな設計と、1Dシーケンスを処理するための効率的なハードウェア性能のために、広く注目を集めている。 最近の研究では、マンバを2D画像をパッチに平らにすることで視覚領域に適用し、それらを1Dシークエンスとして扱うことが試みられている。 2次元空間における画像トークンを直接処理する完全解として,視覚的2次元マンバモデルを提案する。
  論文  参考訳（メタデータ） (2024-10-14T11:11:06Z)
• Hi-Mamba: Hierarchical Mamba for Efficient Image Super-Resolution [42.259283231048954]
  状態空間モデル(SSM)は、線形複雑性を伴う長距離依存性をモデル化する上で、強力な表現能力を示している。 画像超解像(SR)のための新しい階層型マンバネットワーク、すなわちHi-Mambaを提案する。
  論文  参考訳（メタデータ） (2024-10-14T04:15:04Z)
• A Comprehensive Survey of Mamba Architectures for Medical Image Analysis: Classification, Segmentation, Restoration and Beyond [2.838321145442743]
  Mambaは、医用画像分析におけるテンプレートベースのディープラーニングアプローチに代わるものだ。 線形時間の複雑さがあり、トランスよりも大幅に改善されている。 Mambaは、注意機構のない長いシーケンスを処理し、高速な推論を可能にし、メモリを少なくする。
  論文  参考訳（メタデータ） (2024-10-03T10:23:03Z)
• Frequency-Assisted Mamba for Remote Sensing Image Super-Resolution [49.902047563260496]
  我々は、リモートセンシング画像(RSI)の超高解像度化のために、視覚状態空間モデル(Mamba)を統合するための最初の試みを開発した。 より優れたSR再構築を実現するため,FMSRと呼ばれる周波数支援型Mambaフレームワークを考案した。 我々のFMSRは、周波数選択モジュール(FSM)、ビジョン状態空間モジュール(VSSM)、ハイブリッドゲートモジュール(HGM)を備えた多層融合アーキテクチャを備えている。
  論文  参考訳（メタデータ） (2024-05-08T11:09:24Z)
• LKM-UNet: Large Kernel Vision Mamba UNet for Medical Image Segmentation [9.862277278217045]
  本稿では,医療画像分割のためのLKM-U-shape Network(LKM-UNet)を提案する。 LKM-UNetの際立った特徴は、小さなカーネルベースのCNNやトランスフォーマーに比べて、局所的な空間モデリングに優れた大きなMambaカーネルの利用である。 包括的実験は、大規模なマンバ核を用いて大きな受容場を実現することの実現可能性と有効性を示す。
  論文  参考訳（メタデータ） (2024-03-12T05:34:51Z)
• 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)

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。