論文の概要: OmniMamba4D: Spatio-temporal Mamba for longitudinal CT lesion segmentation

• arxiv url: http://arxiv.org/abs/2504.09655v1
• Date: Sun, 13 Apr 2025 17:02:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-15 16:49:50.028740
• Title: OmniMamba4D: Spatio-temporal Mamba for longitudinal CT lesion segmentation
• Title（参考訳）: OmniMamba4D:経時的マンバ
• Authors: Justin Namuk Kim, Yiqiao Liu, Rajath Soans, Keith Persson, Sarah Halek, Michal Tomaszewski, Jianda Yuan, Gregory Goldmacher, Antong Chen,
• Abstract要約: OmniMamba4Dは3次元医用画像のための4次元セグメンテーションモデルである。 シングルタイムポイントを解析する従来の3Dモデルとは異なり、OmniMamba4Dは4Dスキャンを処理し、病変の進行に関する包括的な時間的情報を提供する。 3,252個のCTスキャンからなる内部データセットに基づいて評価され、OmniMamba4Dは、最先端技術(SOTA)モデルに匹敵する競合Diceスコア0.682を達成し、計算効率を維持し、消失した病変をよりよく検出する。
• 参考スコア（独自算出の注目度）: 0.7490096698922335
• License:
• Abstract: Accurate segmentation of longitudinal CT scans is important for monitoring tumor progression and evaluating treatment responses. However, existing 3D segmentation models solely focus on spatial information. To address this gap, we propose OmniMamba4D, a novel segmentation model designed for 4D medical images (3D images over time). OmniMamba4D utilizes a spatio-temporal tetra-orientated Mamba block to effectively capture both spatial and temporal features. Unlike traditional 3D models, which analyze single-time points, OmniMamba4D processes 4D CT data, providing comprehensive spatio-temporal information on lesion progression. Evaluated on an internal dataset comprising of 3,252 CT scans, OmniMamba4D achieves a competitive Dice score of 0.682, comparable to state-of-the-arts (SOTA) models, while maintaining computational efficiency and better detecting disappeared lesions. This work demonstrates a new framework to leverage spatio-temporal information for longitudinal CT lesion segmentation.
• Abstract（参考訳）: 腫瘍進展のモニタリングと治療反応の評価には縦断CTの正確なセグメンテーションが重要である。 しかし、既存の3Dセグメンテーションモデルは空間情報のみに焦点を当てている。 このギャップに対処するために,4次元医用画像(3D画像)を時間とともに分割する新しいセグメンテーションモデルであるOmniMamba4Dを提案する。 OmniMamba4Dは、空間的特徴と時間的特徴の両方を効果的に捉えるために、時空間四方向のMambaブロックを使用する。 単一時間点を解析する従来の3Dモデルとは異なり、OmniMamba4Dは4D CTデータを処理する。 3,252個のCTスキャンからなる内部データセットに基づいて評価され、OmniMamba4Dは、最先端技術(SOTA)モデルに匹敵する競合Diceスコア0.682を達成し、計算効率を維持し、消失した病変をよりよく検出する。 本研究は縦断的CT病変の分節化に時空間情報を活用する新しい枠組みを実証するものである。

関連論文リスト

• SpineMamba: Enhancing 3D Spinal Segmentation in Clinical Imaging through Residual Visual Mamba Layers and Shape Priors [10.431439196002842]
  本研究では,3次元脊髄データの深部意味的特徴と長距離空間依存性をモデル化するための残留視覚的マンバ層を提案する。 また, 医療画像から脊椎の解剖学的情報を抽出する新規な脊髄形状先行モジュールを提案する。 SpineMambaはセグメンテーション性能が優れており、最大2ポイントを超える。
  論文  参考訳（メタデータ） (2024-08-28T15:59:40Z)
• 3DSAM-adapter: Holistic adaptation of SAM from 2D to 3D for promptable tumor segmentation [52.699139151447945]
  医用画像の領域分割を行うために, SAMを2次元から3次元に変換する新しい適応法を提案する。 本モデルでは, 腎腫瘍, 膵腫瘍, 大腸癌の3つのタスクのうち8.25%, 29.87%, 10.11%の3つのタスクにおいて, ドメイン・オブ・ザ・アーティヴ・メディカル・イメージ・セグメンテーション・モデルより優れ, 肝腫瘍セグメンテーションでも同様の性能が得られる。
  論文  参考訳（メタデータ） (2023-06-23T12:09:52Z)
• CT Perfusion is All We Need: 4D CNN Segmentation of Penumbra and Core in Patients With Suspected Ischemic Stroke [1.6836876499886009]
  本稿では,時間情報を完全に活用する4つの畳み込みを入力として利用する方法について検討する。 提案した4D mJ-Netを用いることで、ペニブラとコア領域の分割にそれぞれ0.53と0.23のDice係数が得られる。
  論文  参考訳（メタデータ） (2023-03-15T16:53:19Z)
• Automated Model Design and Benchmarking of 3D Deep Learning Models for COVID-19 Detection with Chest CT Scans [72.04652116817238]
  3D胸部CTスキャン分類のための3D DLモデルを自動的に検索するための差別化可能なニューラルネットワーク探索(DNAS)フレームワークを提案する。 また,我々のモデルのクラスアクティベーションマッピング(cam)技術を利用して,結果の解釈可能性を提供する。
  論文  参考訳（メタデータ） (2021-01-14T03:45:01Z)
• Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
  CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。 新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。 提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
  論文  参考訳（メタデータ） (2020-12-16T07:11:16Z)
• 4D Spatio-Temporal Convolutional Networks for Object Position Estimation in OCT Volumes [69.62333053044712]
  3次元畳み込みニューラルネットワーク(CNN)は、単一のOCT画像を用いたマーカーオブジェクトのポーズ推定に有望な性能を示した。 我々は3次元CNNを4次元時間CNNに拡張し、マーカーオブジェクト追跡のための追加の時間情報の影響を評価する。
  論文  参考訳（メタデータ） (2020-07-02T12:02:20Z)
• Spatio-Temporal Deep Learning Methods for Motion Estimation Using 4D OCT Image Data [63.73263986460191]
  特定の対象領域の局所化と運動の推定は、外科的介入の際のナビゲーションの一般的な問題である。 OCT画像ボリュームの時間的ストリームを用いることで、深層学習に基づく動き推定性能が向上するかどうかを検討する。 モデル入力に4D情報を使用すると、合理的な推論時間を維持しながら性能が向上する。
  論文  参考訳（メタデータ） (2020-04-21T15:43:01Z)
• 4D Deep Learning for Multiple Sclerosis Lesion Activity Segmentation [49.32653090178743]
  我々は,MRIボリュームの履歴を用いて,この問題をフル4次元ディープラーニングに拡張することで,性能が向上するかどうか検討する。 提案手法は, 病変側真陽性率0.84, 病変側偽陽性率0.19で従来手法より優れていた。
  論文  参考訳（メタデータ） (2020-04-20T11:41:01Z)
• A Hybrid 3DCNN and 3DC-LSTM based model for 4D Spatio-temporal fMRI data: An ABIDE Autism Classification study [0.0]
  本稿では,3次元CNNと3次元磁気LSTMを用いて,全4次元データから特徴を抽出できるエンドツーエンドアルゴリズムを提案する。 提案手法は,NYUサイトとUMサイトにおいて,F1スコア0.78,0.7の単一サイトにおいて,技術結果の状態を達成できることを示す。
  論文  参考訳（メタデータ） (2020-02-14T11:52:00Z)

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。