論文の概要: SRMA-Mamba: Spatial Reverse Mamba Attention Network for Pathological Liver Segmentation in MRI Volumes

• arxiv url: http://arxiv.org/abs/2508.12410v1
• Date: Sun, 17 Aug 2025 15:52:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-19 14:49:10.751672
• Title: SRMA-Mamba: Spatial Reverse Mamba Attention Network for Pathological Liver Segmentation in MRI Volumes
• Title（参考訳）: SRMA-Mamba : MRIボリュームにおける病理肝切除のための空間逆マンバ注意ネットワーク
• Authors: Jun Zeng, Yannan Huang, Elif Keles, Halil Ertugrul Aktas, Gorkem Durak, Nikhil Kumar Tomar, Quoc-Huy Trinh, Deepak Ranjan Nayak, Ulas Bagci, Debesh Jha,
• Abstract要約: 肝硬変は慢性肝疾患の予後に重要な役割を果たす。 既存の方法ではMRIデータの空間的詳細を過小評価し、臨床効果と説明可能性を妨げる。 我々は,MRIボリュームの複雑な解剖学的構造内の空間的関係をモデル化する,新しいマンバ型ネットワークを提案する。
• 参考スコア（独自算出の注目度）: 10.398312170809222
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Liver Cirrhosis plays a critical role in the prognosis of chronic liver disease. Early detection and timely intervention are critical in significantly reducing mortality rates. However, the intricate anatomical architecture and diverse pathological changes of liver tissue complicate the accurate detection and characterization of lesions in clinical settings. Existing methods underutilize the spatial anatomical details in volumetric MRI data, thereby hindering their clinical effectiveness and explainability. To address this challenge, we introduce a novel Mamba-based network, SRMA-Mamba, designed to model the spatial relationships within the complex anatomical structures of MRI volumes. By integrating the Spatial Anatomy-Based Mamba module (SABMamba), SRMA-Mamba performs selective Mamba scans within liver cirrhotic tissues and combines anatomical information from the sagittal, coronal, and axial planes to construct a global spatial context representation, enabling efficient volumetric segmentation of pathological liver structures. Furthermore, we introduce the Spatial Reverse Attention module (SRMA), designed to progressively refine cirrhotic details in the segmentation map, utilizing both the coarse segmentation map and hierarchical encoding features. Extensive experiments demonstrate that SRMA-Mamba surpasses state-of-the-art methods, delivering exceptional performance in 3D pathological liver segmentation. Our code is available for public: {\color{blue}{https://github.com/JunZengz/SRMA-Mamba}}.
• Abstract（参考訳）: 肝硬変は慢性肝疾患の予後に重要な役割を果たす。 早期発見とタイムリーな介入は死亡率を著しく低下させるのに重要である。 しかし, 肝組織の複雑な解剖学的構造と病理組織学的変化は, 臨床現場における病変の正確な検出と評価を複雑にしている。 既存の方法は、容積MRIデータの空間解剖学的詳細を弱め、臨床効果と説明可能性を妨げる。 この課題に対処するために,MRIボリュームの複雑な解剖構造内の空間的関係をモデル化する新しいネットワークSRMA-Mambaを導入する。 SABMamba(Spatial Anatomy-based Mamba Module)を統合することで、SRMA-Mambaは肝硬変組織内で選択的Mambaスキャンを行い、矢状面、冠状面、軸面からの解剖情報を結合して、グローバルな空間的文脈表現を構築し、病理組織を効率的に体積分割することができる。 さらに、粗いセグメンテーションマップと階層的エンコーディング機能の両方を利用して、セグメンテーションマップのシロティック細部を漸進的に洗練するために設計されたSpatial Reverse Attention Module (SRMA)を導入する。 SRMA-Mambaは最先端の手法を超越し,3次元病理肝セグメンテーションにおいて優れた性能を示した。 私たちのコードは公開されています: {\color{blue}{https://github.com/JunZengz/SRMA-Mamba}}。

関連論文リスト

• Myocardial Region-guided Feature Aggregation Net for Automatic Coronary artery Segmentation and Stenosis Assessment using Coronary Computed Tomography Angiography [13.885760158090692]
  心筋領域誘導型特徴集約ネットは、冠状動脈セグメンテーションの堅牢性を高めるために、解剖学的事前知識を統合する新しいU字型二重エンコーダアーキテクチャである。 本フレームワークは,(1)ブリッジング拡張とマルチスケール機能融合による冠動脈領域への注意を誘導する心筋領域誘導モジュール,(2)並列空間チャネルの注意と残留ブロックを結合して局所的特徴識別を増強する残留特徴抽出モジュール,(3)階層的血管特徴の適応的アダプティブアグリゲーションのためのマルチスケール機能融合モジュールの3つの重要なイノベーションを取り入れている。
  論文  参考訳（メタデータ） (2025-04-27T16:43:52Z)
• A Reverse Mamba Attention Network for Pathological Liver Segmentation [10.500870300348025]
  本稿では、視覚状態空間モデルの能力を向上させる新しいアーキテクチャであるRMA-Mambaを紹介する。 Vision Mamba(VMamba)とRMAのターゲット機能の改良を統合することで、アーキテクチャは複数のスケールにわたる優れた機能学習を実現する。 RMA-Mambaの病的肝セグメンテーション領域における効果を実証した。
  論文  参考訳（メタデータ） (2025-02-23T20:41:25Z)
• Enhanced MRI Representation via Cross-series Masking [48.09478307927716]
  自己教師型でMRI表現を効果的に学習するためのクロスシリーズ・マスキング(CSM)戦略 メソッドは、パブリックデータセットと社内データセットの両方で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2024-12-10T10:32:09Z)
• Panoptic Segmentation and Labelling of Lumbar Spine Vertebrae using Modified Attention Unet [2.8730926763860687]
  腰椎の3次元スライスMRIデータのパノプティカルセグメンテーションのための改良型注意U-Netアーキテクチャを提案する。 本手法は,新しいマスキングロジックを取り入れた99.5%の精度を実現する。
  論文  参考訳（メタデータ） (2024-04-28T19:35:00Z)
• Mask-Enhanced Segment Anything Model for Tumor Lesion Semantic Segmentation [48.107348956719775]
  Mask-Enhanced SAM (M-SAM) は, 腫瘍の3次元セグメント化に適した革新的なアーキテクチャである。 本稿では,M-SAM内におけるMask-Enhanced Adapter (MEA) を提案する。 我々のM-SAMは高いセグメンテーション精度を達成し、またロバストな一般化を示す。
  論文  参考訳（メタデータ） (2024-03-09T13:37:02Z)
• Reconstructing the somatotopic organization of the corticospinal tract remains a challenge for modern tractography methods [55.07297021627281]
  CST(Corticospinal tract)は、人間の脳において、身体の自発的な動きを制御できる重要なホワイトマター線維である。 拡散MRIトラクトグラフィーは、ヒトの健康におけるCST経路の解剖学的および変動性の研究を可能にする唯一の方法である。
  論文  参考訳（メタデータ） (2023-06-09T02:05:40Z)
• Structure-aware registration network for liver DCE-CT images [50.28546654316009]
  セグメント化誘導深層登録網に関連臓器の構造情報を組み込んだ構造認識型登録手法を提案する。 提案手法は,最新技術よりも高い登録精度を達成し,解剖学的構造を効果的に維持することができる。
  論文  参考訳（メタデータ） (2023-03-08T14:08:56Z)
• Joint Liver and Hepatic Lesion Segmentation in MRI using a Hybrid CNN with Transformer Layers [2.055026516354464]
  SWTR-Unetと呼ばれるハイブリッドネットワークは、事前訓練されたResNet、トランスフォーマーブロック、共通のUnetスタイルのデコーダパスで構成されている。 Diceスコアが平均98-2%,MRIデータセットで81-28%,CTデータセットで97-2%,79-25%であったことから,提案したSWTR-Unetは肝病変と肝病変のセグメンテーションの正確なアプローチであることが判明した。
  論文  参考訳（メタデータ） (2022-01-26T14:52:23Z)
• Learned super resolution ultrasound for improved breast lesion characterization [52.77024349608834]
  超高分解能超音波局在顕微鏡は毛細血管レベルでの微小血管のイメージングを可能にする。 この作業では、これらの課題に対処するために、信号構造を効果的に活用するディープニューラルネットワークアーキテクチャを使用します。 トレーニングしたネットワークを利用することで,従来のPSF知識を必要とせず,UCAの分離性も必要とせず,短時間で微小血管構造を復元する。
  論文  参考訳（メタデータ） (2021-07-12T09:04:20Z)

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。