論文の概要: CellMamba: Adaptive Mamba for Accurate and Efficient Cell Detection

• arxiv url: http://arxiv.org/abs/2512.21803v1
• Date: Thu, 25 Dec 2025 23:05:11 GMT
• ステータス: 情報取得中
• システム内更新日: 2025-12-29 11:55:28.236473
• Title: CellMamba: Adaptive Mamba for Accurate and Efficient Cell Detection
• Title（参考訳）: CellMamba: 高精度かつ効率的な細胞検出のための適応型Mamba
• Authors: Ruochen Liu, Yi Tian, Jiahao Wang, Hongbin Liu, Xianxu Hou, Jingxin Liu,
• Abstract要約: CellMambaは、微細なバイオメディカルなインスタンス検出に適した、軽量で正確なワンステージ検出器である。 NC-Mamba または Multi-Head Self-Attention (MSA) と新しい Triple-Mapping Adaptive Coupling (TMAC) モジュールを結合する。 CoNSePとCytoDArk0-demonstrateという2つの公開データセットに対する大規模な実験では、CNNベースのベースライン、Transformerベースのベースライン、Mambaベースのベースラインよりも精度が高く、モデルサイズと推論レイテンシが大幅に削減されている。
• 参考スコア（独自算出の注目度）: 28.36875955910259
• License:
• Abstract: Cell detection in pathological images presents unique challenges due to densely packed objects, subtle inter-class differences, and severe background clutter. In this paper, we propose CellMamba, a lightweight and accurate one-stage detector tailored for fine-grained biomedical instance detection. Built upon a VSSD backbone, CellMamba integrates CellMamba Blocks, which couple either NC-Mamba or Multi-Head Self-Attention (MSA) with a novel Triple-Mapping Adaptive Coupling (TMAC) module. TMAC enhances spatial discriminability by splitting channels into two parallel branches, equipped with dual idiosyncratic and one consensus attention map, adaptively fused to preserve local sensitivity and global consistency. Furthermore, we design an Adaptive Mamba Head that fuses multi-scale features via learnable weights for robust detection under varying object sizes. Extensive experiments on two public datasets-CoNSeP and CytoDArk0-demonstrate that CellMamba outperforms both CNN-based, Transformer-based, and Mamba-based baselines in accuracy, while significantly reducing model size and inference latency. Our results validate CellMamba as an efficient and effective solution for high-resolution cell detection.
• Abstract（参考訳）: 病理画像中の細胞検出は, 密集した物体, 微妙なクラス間差, 重度の背景乱れによる特異な課題を呈する。 本稿では,微細なバイオメディカル・インスタンス検出に適した軽量かつ高精度な1段階検出器であるCellMambaを提案する。 NC-Mamba または Multi-Head Self-Attention (MSA) と新しい Triple-Mapping Adaptive Coupling (TMAC) モジュールを結合する。 TMACは、チャネルを2つの並列分岐に分割し、局所感度と大域的一貫性を維持するために適応的に融合した2つのアイディオシンタティックと1つのコンセンサスアテンションマップを備えることにより、空間的識別性を向上する。 さらに,学習可能な重みによる多目的特徴を融合した適応型マンバヘッドを設計し,様々な物体サイズで頑健な検出を行う。 CoNSePとCytoDArk0-demonstrateという2つの公開データセットに対する大規模な実験では、CNNベースのベースライン、Transformerベースのベースライン、Mambaベースのベースラインよりも精度が高く、モデルサイズと推論レイテンシが大幅に削減されている。 この結果はセルマンバを高分解能細胞検出の効率的かつ効果的な方法として評価した。

関連論文リスト

• PanFoMa: A Lightweight Foundation Model and Benchmark for Pan-Cancer [54.958921946378304]
  トランスフォーマーと状態空間モデルの強みを組み合わせた軽量ハイブリッドニューラルネットワークであるPanFoMaを紹介する。 PanFoMaはフロントエンドのローカルコンテキストエンコーダと共有自己認識層から構成され、複雑で秩序に依存しない遺伝子相互作用をキャプチャする。 また,350万以上の高品質な細胞を含む大規模パンキャンサー単細胞ベンチマークPanFoMaBenchを構築した。
  論文  参考訳（メタデータ） (2025-12-02T08:31:31Z)
• scMRDR: A scalable and flexible framework for unpaired single-cell multi-omics data integration [53.683726781791385]
  単一セルマルチオミクス(ScMRDR)と呼ばれるスケーラブルでフレキシブルな生成フレームワークを導入する。 本手法は, バッチ補正, モダリティアライメント, 生体信号保存の観点から, ベンチマークデータセット上での優れた性能を実現する。
  論文  参考訳（メタデータ） (2025-10-28T21:28:39Z)
• DeSamba: Decoupled Spectral Adaptive Framework for 3D Multi-Sequence MRI Lesion Classification [0.6749750044497732]
  DeSambaは、分離された表現を抽出し、病変分類のための空間的特徴とスペクトル的特徴を適応的に融合するように設計されたフレームワークである。 DeSambaは62.10%のTop-1精度、63.62%のF1スコア、87.71%のAUC、93.55%のTop-3精度を達成した。
  論文  参考訳（メタデータ） (2025-07-21T10:42:21Z)
• Unlasting: Unpaired Single-Cell Multi-Perturbation Estimation by Dual Conditional Diffusion Implicit Bridges [68.98973318553983]
  本稿では,Dual Diffusion Implicit Bridges (DDIB) に基づくフレームワークを提案する。 我々は、生物学的に意味のある方法で摂動シグナルを伝達するために遺伝子制御ネットワーク(GRN)情報を統合する。 また、サイレント遺伝子を予測し、生成したプロファイルの品質を向上させるためのマスキング機構も組み込んだ。
  論文  参考訳（メタデータ） (2025-06-26T09:05:38Z)
• Bidirectional Mamba for Single-Cell Data: Efficient Context Learning with Biological Fidelity [0.39945675027960637]
  我々は、状態空間モデリングに基づいて構築された単一セル転写学のスケーラブルで効率的な基礎モデルであるGeneMambaを紹介した。 GeneMambaは、双方向の遺伝子コンテキストを線形時間複雑性でキャプチャし、トランスフォーマーベースラインよりもかなりの計算的ゲインを提供する。 我々は、マルチバッチ統合、細胞型アノテーション、遺伝子-遺伝子相関など様々なタスクにまたがってGeneMambaを評価し、高い性能、解釈可能性、堅牢性を示す。
  論文  参考訳（メタデータ） (2025-04-22T20:34:47Z)
• Binarized Mamba-Transformer for Lightweight Quad Bayer HybridEVS Demosaicing [21.15110217419682]
  本稿では,HybridEVS RAW画像の効率的な復調を実現するために,軽量なマンバ型バイナリニューラルネットワークを提案する。 Bi-Mambaは全ての射影をバイナライズし、コアSelective Scanを完全精度で保持する。 我々は,BMTNetの性能と計算効率の両面において,定量的かつ定性的な実験を行い,BMTNetの有効性を実証した。
  論文  参考訳（メタデータ） (2025-03-20T13:32:27Z)
• MambaMIC: An Efficient Baseline for Microscopic Image Classification with State Space Models [12.182070604073585]
  本研究では,顕微鏡画像分類(MIC)タスクのための視覚バックボーンであるMambaMICを提案する。 具体的には,MambaMIC Blockというローカル・グローバルなデュアルブランチアグリゲーションモジュールを紹介する。 局所的な分岐では、局所的な畳み込みを用いて画素類似性を捉え、局所的な画素の忘れと知覚の増強を緩和する。 グローバルブランチでは、SSMはグローバル依存関係を抽出し、Locally Aware Enhanced Filterはチャネルの冗長性とローカルピクセルの忘れを低減します。
  論文  参考訳（メタデータ） (2024-09-12T10:01:33Z)
• Prototype Learning Guided Hybrid Network for Breast Tumor Segmentation in DCE-MRI [58.809276442508256]
  本稿では,畳み込みニューラルネットワーク(CNN)とトランスフォーマー層を組み合わせたハイブリッドネットワークを提案する。 プライベートおよびパブリックなDCE-MRIデータセットの実験結果から,提案したハイブリッドネットワークは最先端の手法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2024-08-11T15:46:00Z)
• Affine-Consistent Transformer for Multi-Class Cell Nuclei Detection [76.11864242047074]
  本稿では, 原子核位置を直接生成する新しいアフィン一貫性変換器 (AC-Former) を提案する。 本稿では,AAT (Adaptive Affine Transformer) モジュールを導入し,ローカルネットワークトレーニングのためのオリジナル画像をワープするための重要な空間変換を自動学習する。 実験結果から,提案手法は様々なベンチマークにおいて既存の最先端アルゴリズムを著しく上回ることがわかった。
  論文  参考訳（メタデータ） (2023-10-22T02:27:02Z)

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。