論文の概要: SWinMamba: Serpentine Window State Space Model for Vascular Segmentation

• arxiv url: http://arxiv.org/abs/2507.01323v1
• Date: Wed, 02 Jul 2025 03:15:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-03 14:23:00.032483
• Title: SWinMamba: Serpentine Window State Space Model for Vascular Segmentation
• Title（参考訳）: SWinMamba:Serpentine Window State Space Model for Vascular Segmentation
• Authors: Rongchang Zhao, Huanchi Liu, Jian Zhang,
• Abstract要約: 正確な血管分割を実現するための新しいSerpentine Window Mamba(SWinMamba)を提案する。 Sセルペンチンウィンドウシーケンスは、グローバルな視覚コンテキストモデリングを適応的に導くことで、効率的な特徴キャプチャを可能にする。 提案したSWinMambaは、完全および連結された容器で優れた性能を発揮する。
• 参考スコア（独自算出の注目度）: 5.75688036790329
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vascular segmentation in medical images is crucial for disease diagnosis and surgical navigation. However, the segmented vascular structure is often discontinuous due to its slender nature and inadequate prior modeling. In this paper, we propose a novel Serpentine Window Mamba (SWinMamba) to achieve accurate vascular segmentation. The proposed SWinMamba innovatively models the continuity of slender vascular structures by incorporating serpentine window sequences into bidirectional state space models. The serpentine window sequences enable efficient feature capturing by adaptively guiding global visual context modeling to the vascular structure. Specifically, the Serpentine Window Tokenizer (SWToken) adaptively splits the input image using overlapping serpentine window sequences, enabling flexible receptive fields (RFs) for vascular structure modeling. The Bidirectional Aggregation Module (BAM) integrates coherent local features in the RFs for vascular continuity representation. In addition, dual-domain learning with Spatial-Frequency Fusion Unit (SFFU) is designed to enhance the feature representation of vascular structure. Extensive experiments on three challenging datasets demonstrate that the proposed SWinMamba achieves superior performance with complete and connected vessels.
• Abstract（参考訳）: 医用画像の血管分割は, 疾患診断と手術ナビゲーションに不可欠である。 しかし、分節血管構造は細い性質のため不連続であり、事前モデリングには不適当であることが多い。 本稿では,新しいSerpentine Window Mamba(SWinMamba)を提案する。 提案したSWinMambaは、セルペンチンウィンドウ配列を双方向状態空間モデルに組み込むことにより、細い血管構造の連続性を革新的にモデル化する。 セルペンチンウィンドウシーケンスは、グローバルな視覚コンテキストモデリングを血管構造に適応的に導くことにより、効率的な特徴キャプチャを可能にする。 具体的には、Serpentine Window Tokenizer (SWToken)は重なり合うSerpentine Window Sequenceを用いて入力画像を適応的に分割し、血管構造モデリングのための柔軟な受容野(RF)を可能にする。 Bidirectional Aggregation Module (BAM) は、血管連続性表現のためのRFのコヒーレントな局所的特徴を統合している。 さらに、空間周波数融合ユニット(SFFU)を用いた二重ドメイン学習は、血管構造の特徴表現を強化するために設計されている。 3つの挑戦的なデータセットに関する大規模な実験は、提案されたSWinMambaが完全および連結された容器で優れた性能を発揮することを示した。

関連論文リスト

• Landmark-Free Preoperative-to-Intraoperative Registration in Laparoscopic Liver Resection [50.388465935739376]
  術前の3Dモデルを術中2Dフレームにオーバーレイすることで肝臓の空間解剖を明瞭に把握し,より高い手術成功率を達成することができる。 既存の登録法は解剖学的ランドマークに大きく依存しており、2つの大きな制限に直面している。 本稿では,効果的な自己教師型学習を生かした,目覚ましくない術前・術中登録フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-04-21T14:55:57Z)
• A Novel Hybrid Approach for Retinal Vessel Segmentation with Dynamic Long-Range Dependency and Multi-Scale Retinal Edge Fusion Enhancement [0.3611754783778107]
  既存の方法は、マルチスケールの船の変動性、複雑な曲率、曖昧な境界といった課題に対処する。 本稿では,CNNとMambaを相乗的に統合した新しいハイブリッドフレームワークを提案する。 本手法は血管の連続性維持と低コントラスト領域の血管の分断を効果的に行う上で,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2025-04-18T08:41:35Z)
• Fast and Accurate Blind Flexible Docking [79.88520988144442]
  小分子(配位子)のタンパク質標的への結合構造を予測する分子ドッキングは、薬物発見において重要な役割を果たす。 本研究では,現実的な視覚的フレキシブルドッキングシナリオを対象とした,高速かつ高精度な回帰ベースマルチタスク学習モデルであるFABFlexを提案する。
  論文  参考訳（メタデータ） (2025-02-20T07:31:13Z)
• KLDD: Kalman Filter based Linear Deformable Diffusion Model in Retinal Image Segmentation [51.03868117057726]
  本稿では,網膜血管分割のためのKLDDモデルを提案する。 我々のモデルは、変形可能な畳み込みの柔軟な受容場を利用して、分割を反復的に洗練する拡散過程を用いる。 実験は網膜基底画像データセット(DRIVE,CHASE_DB1)とOCTA-500データセットの3mm,6mmで評価された。
  論文  参考訳（メタデータ） (2024-09-19T14:21:38Z)
• Serp-Mamba: Advancing High-Resolution Retinal Vessel Segmentation with Selective State-Space Model [45.682311387979944]
  本稿では,この課題に対処する最初のSerpentine Mamba(Serp-Mamba)ネットワークを提案する。 我々はまず,UWF-SLO画像をヘビのように曲がった血管構造に沿って走査するSerpentine Interwoven Adaptive (SIA)スキャン機構を考案した。 次に,高分解能画像によって強調されるカテゴリ不均衡問題に対処するアンビグニティ駆動型デュアルリカレーションモジュールを提案する。
  論文  参考訳（メタデータ） (2024-09-06T15:40:47Z)
• Snake with Shifted Window: Learning to Adapt Vessel Pattern for OCTA Segmentation [2.314516220934268]
  本研究では, 管状構造に適した変形可能な畳み込みと, 大域的特徴抽出のためのスウィン変換器を併用したSSW-OCTAモデルを提案する。 我々のモデルはOCTA-500データセットのテストと比較を行い、最先端のパフォーマンスを実現した。
  論文  参考訳（メタデータ） (2024-04-28T07:01:55Z)
• Global Control for Local SO(3)-Equivariant Scale-Invariant Vessel Segmentation [2.2742404315918923]
  本稿では, ボクセルマスクのセグメンテーションを利用した大域的制御器の組み合わせにより, 興味のある容器の境界条件を提供する。 腹部大動脈瘤(AAA)を含むデータセットに対する本法の有用性について検討した。 本手法は, AAA, 腸骨動脈, 腎動脈の分節における最先端の分節モデルと同等に機能する。
  論文  参考訳（メタデータ） (2024-03-22T16:06:43Z)
• Learning-Based Keypoint Registration for Fetoscopic Mosaicking [65.02392513942533]
  ツイン・トゥ・ツイン輸血症候群(TTTS)では、単子葉胎盤の血管系異常な血管性無痛が両胎児の間に不均一な血流を生じさせる。 本研究では,フィールド・オブ・ビュー展開のためのフェトスコープフレーム登録のための学習ベースフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-07-26T21:21:12Z)
• Rethinking the Extraction and Interaction of Multi-Scale Features for Vessel Segmentation [53.187152856583396]
  網膜血管と主要動脈を2次元基底画像と3次元CTアンギオグラフィー(CTA)スキャンで分割する,PC-Netと呼ばれる新しいディープラーニングモデルを提案する。 PC-Netでは、ピラミッド圧縮励起(PSE)モジュールが各畳み込みブロックに空間情報を導入し、より効果的なマルチスケール特徴を抽出する能力を高めている。
  論文  参考訳（メタデータ） (2020-10-09T08:22:54Z)

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。