論文の概要: Enhancing Medical Image Segmentation via Heat Conduction Equation

• arxiv url: http://arxiv.org/abs/2511.03260v1
• Date: Wed, 05 Nov 2025 07:44:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-06 18:19:32.377481
• Title: Enhancing Medical Image Segmentation via Heat Conduction Equation
• Title（参考訳）: 熱伝導方程式による医用画像セグメンテーションの促進
• Authors: Rong Wu, Yim-Sang Yu,
• Abstract要約: 熱伝導方程式を用いたU-Mambaを用いたハイブリッドアーキテクチャを提案する。 マルチモーダル腹部CTおよびMRIデータセットによる実験結果から,提案モデルが強いベースラインを一貫して上回ることを示す。
• 参考スコア（独自算出の注目度）: 0.7045830787944977
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Medical image segmentation has been significantly advanced by deep learning architectures, notably U-Net variants. However, existing models struggle to achieve efficient global context modeling and long-range dependency reasoning under practical computational budgets simultaneously. In this work, we propose a novel hybrid architecture utilizing U-Mamba with Heat Conduction Equation. Our model combines Mamba-based state-space modules for efficient long-range reasoning with Heat Conduction Operators (HCOs) in the bottleneck layers, simulating frequency-domain thermal diffusion for enhanced semantic abstraction. Experimental results on multimodal abdominal CT and MRI datasets demonstrate that the proposed model consistently outperforms strong baselines, validating its effectiveness and generalizability. It suggest that blending state-space dynamics with heat-based global diffusion offers a scalable and interpretable solution for medical segmentation tasks.
• Abstract（参考訳）: 医用画像のセグメンテーションはディープラーニングアーキテクチャ、特にU-Netの変種によって大幅に進歩している。 しかし、既存のモデルは、実用的な計算予算の下で、効率的なグローバルコンテキストモデリングと長距離依存性推論を実現するのに苦労している。 本研究では, 熱伝導方程式を用いたU-Mambaを用いたハイブリッドアーキテクチャを提案する。 本モデルでは, 周波数領域の熱拡散をシミュレーションし, 高いセマンティック抽象化を実現するため, マンバをベースとした状態空間モジュールを用いて, 効率的な長距離推論とボトルネック層内の熱伝導演算子(HCO)を組み合わせる。 マルチモーダル腹部CTおよびMRIデータセットによる実験結果から,提案モデルは強いベースラインを一貫して上回り,その有効性と一般化性を示す。 熱に基づくグローバル拡散と状態空間のダイナミクスを混ぜ合わせることで、医療セグメンテーションタスクにスケーラブルで解釈可能なソリューションが提供されることを示唆している。

関連論文リスト

• Multi-Stage Graph Neural Networks for Data-Driven Prediction of Natural Convection in Enclosed Cavities [0.0]
  グラフニューラルネットワーク(GNN)は、シミュレーションデータから直接熱流体挙動を学ぶための新しい代替手段を提供する。 本稿では,階層的なプールとアンプール操作を利用してグローバル-ローカル相互作用を段階的にモデル化する,新しい多段階GNNアーキテクチャを提案する。 実験により,提案モデルにより予測精度が向上し,訓練効率が向上し,長期誤差の蓄積が減少した。
  論文  参考訳（メタデータ） (2025-09-07T13:05:39Z)
• MS-UMamba: An Improved Vision Mamba Unet for Fetal Abdominal Medical Image Segmentation [1.2721397985664153]
  胎児超音波画像分割のためのハイブリッド・コンボリューション・マンバモデルであるMS-UMambaを提案する。 具体的には,マンバのグローバルなモデリング強度を利用するCNNブランチと統合された視覚状態空間ブロックを設計する。 また,異なる層からの特徴情報を統合した効率的なマルチスケール機能融合モジュールを提案する。
  論文  参考訳（メタデータ） (2025-06-14T10:34:10Z)
• VRS-UIE: Value-Driven Reordering Scanning for Underwater Image Enhancement [104.78586859995333]
  状態空間モデル(SSM)は、線形複雑性と大域的受容場のために、視覚タスクの有望なバックボーンとして登場した。 大型で均質だが無意味な海洋背景の優位性は、希少で価値ある標的の特徴表現応答を希薄にすることができる。 水中画像強調(UIE)のための新しい値駆動リダクションスキャンフレームワークを提案する。 本フレームワークは, 水バイアスを効果的に抑制し, 構造や色彩の忠実さを保ち, 優れた向上性能(WMambaを平均0.89dB超える)を実現する。
  論文  参考訳（メタデータ） (2025-05-02T12:21:44Z)
• MambaClinix: Hierarchical Gated Convolution and Mamba-Based U-Net for Enhanced 3D Medical Image Segmentation [6.673169053236727]
  医用画像分割のための新しいU字型アーキテクチャであるMambaClinixを提案する。 MambaClinixは、階層的なゲート畳み込みネットワークとMambaを適応的なステージワイドフレームワークに統合する。 以上の結果から,MambaClinixは低モデルの複雑さを維持しつつ高いセグメンテーション精度を達成できることが示唆された。
  論文  参考訳（メタデータ） (2024-09-19T07:51:14Z)
• Cross-conditioned Diffusion Model for Medical Image to Image Translation [22.020931436223204]
  医用画像から画像への変換のためのクロスコンディショニング拡散モデル(CDM)を提案する。 まず、目的のモダリティの分布をモデル化するためのモダリティ固有表現モデル(MRM)を提案する。 そして、MDN(Modality-Decoupled Diffusion Network)を設計し、MRMから効率よく効果的に分布を学習する。
  論文  参考訳（メタデータ） (2024-09-13T02:48:56Z)
• Building Vision Models upon Heat Conduction [66.1594989193046]
  本研究は, 物理的熱伝導原理に基づく熱伝導演算子 (HCO) について紹介する。 HCOは熱源としてイメージパッチを概念化し、適応的な熱エネルギー拡散を通じて相関をモデル化する。 vHeatは、Swin-Transformerと比較して最大で3倍のスループット、GPUメモリ割り当ての80%削減、計算FLOPの35%削減を実現している。
  論文  参考訳（メタデータ） (2024-05-26T12:58:04Z)
• Hierarchical Integration Diffusion Model for Realistic Image Deblurring [71.76410266003917]
  拡散モデル (DM) は画像劣化に導入され, 有望な性能を示した。 本稿では,階層型統合拡散モデル(HI-Diff)を提案する。 人工的および実世界のぼかしデータセットの実験は、HI-Diffが最先端の手法より優れていることを示した。
  論文  参考訳（メタデータ） (2023-05-22T12:18:20Z)

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。