論文の概要: NeuroMamba: Multi-Perspective Feature Interaction with Visual Mamba for Neuron Segmentation
- arxiv url: http://arxiv.org/abs/2601.15929v1
- Date: Thu, 22 Jan 2026 13:06:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-23 21:37:20.605084
- Title: NeuroMamba: Multi-Perspective Feature Interaction with Visual Mamba for Neuron Segmentation
- Title（参考訳）: NeuroMamba:ニューロマンバと視覚マンバの多面的相互作用
- Authors: Liuyun Jiang, Yizhuo Lu, Yanchao Zhang, Jiazheng Liu, Hua Han,
- Abstract要約: NeuroMambaは、パッチフリーなグローバルモデリングを可能にするために、Mambaの線形複雑性を利用する多視点フレームワークである。
提案手法は,4つの公開EMデータセットにまたがる最先端性能を実証し,異方性および等方性の両方に優れた適応性を検証した。
- 参考スコア（独自算出の注目度）: 10.906979279002577
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Neuron segmentation is the cornerstone of reconstructing comprehensive neuronal connectomes, which is essential for deciphering the functional organization of the brain. The irregular morphology and densely intertwined structures of neurons make this task particularly challenging. Prevailing CNN-based methods often fail to resolve ambiguous boundaries due to the lack of long-range context, whereas Transformer-based methods suffer from boundary imprecision caused by the loss of voxel-level details during patch partitioning. To address these limitations, we propose NeuroMamba, a multi-perspective framework that exploits the linear complexity of Mamba to enable patch-free global modeling and synergizes this with complementary local feature modeling, thereby efficiently capturing long-range dependencies while meticulously preserving fine-grained voxel details. Specifically, we design a channel-gated Boundary Discriminative Feature Extractor (BDFE) to enhance local morphological cues. Complementing this, we introduce the Spatial Continuous Feature Extractor (SCFE), which integrates a resolution-aware scanning mechanism into the Visual Mamba architecture to adaptively model global dependencies across varying data resolutions. Finally, a cross-modulation mechanism synergistically fuses these multi-perspective features. Our method demonstrates state-of-the-art performance across four public EM datasets, validating its exceptional adaptability to both anisotropic and isotropic resolutions. The source code will be made publicly available.
- Abstract（参考訳）: ニューロンセグメンテーションは、脳の機能的組織を解読するために必須である包括的神経細胞コネクトームの再構築の基盤である。
不規則な形態と高密度に絡み合った神経細胞の構造は、この課題を特に困難にしている。
一般的なCNNベースの手法は、長距離コンテキストの欠如による曖昧な境界の解決に失敗することが多いが、Transformerベースの手法はパッチ分割時にボクセルレベルの詳細が失われることによる境界不正確さに悩まされている。
これらの制約に対処するため,マルチパースペクティブフレームワークであるNeuroMambaを提案する。Mambaの線形複雑度を利用してパッチフリーなグローバルモデリングを実現し,これを補完的な局所的特徴モデリングと相乗化することにより,微細なボクセルの詳細を正確に保存しつつ,長距離依存を効率的に捉える。
具体的には, チャネルゲート型境界識別特徴指数(BDFE)を設計し, 局所的な形態的手がかりを高める。
これは、解像度対応のスキャン機構をVisual Mambaアーキテクチャに統合し、様々なデータ解像度にまたがるグローバルな依存関係を適応的にモデル化するものである。
最後に、クロス変調機構は、これらのマルチパースペクティブ特徴を相乗的に融合させる。
提案手法は,4つの公開EMデータセットにまたがる最先端性能を実証し,異方性および等方性の両方に優れた適応性を検証した。
ソースコードは一般公開される予定だ。
関連論文リスト
- HyM-UNet: Synergizing Local Texture and Global Context via Hybrid CNN-Mamba Architecture for Medical Image Segmentation [3.976000861085382]
HyM-UNet は,CNN の局所的特徴抽出能力を,Mamba の効率的なグローバルモデリング能力と相乗化するために設計された。
エンコーダとデコーダのセマンティックギャップを埋めるため,Mamba-Guided Fusion Skip Connectionを提案する。
その結果,HyM-UNetはDice係数とIoUで既存の最先端手法を著しく上回ることがわかった。
論文 参考訳（メタデータ） (2025-11-22T09:02:06Z) - MambaCAFU: Hybrid Multi-Scale and Multi-Attention Model with Mamba-Based Fusion for Medical Image Segmentation [11.967890140626716]
本稿では,CNN,トランスフォーマー,およびMambaベースのアテンションフュージョン機構を統合した3分岐エンコーダを特徴とするハイブリッドセグメンテーションアーキテクチャを提案する。
マルチスケールアテンションベースのCNNデコーダは、コンテキスト整合性を維持しつつ、きめ細かいセグメンテーションマップを再構成する。
本手法は,計算量に匹敵する複雑性を維持しつつ,精度と一般化において最先端の手法より優れる。
論文 参考訳（メタデータ） (2025-10-04T11:25:10Z) - SpectMamba: Integrating Frequency and State Space Models for Enhanced Medical Image Detection [11.43227481199105]
医用画像検出用に設計された最初のMambaベースのアーキテクチャであるSpectMambaを紹介する。
SpectMambaの重要なコンポーネントはHybrid Spatial-Frequency Attention (HSFA)ブロックである。
SpectMambaは様々な医用画像検出タスクにおいて効率的かつ効率的でありながら、最先端のパフォーマンスを実現していることを示す。
論文 参考訳（メタデータ） (2025-09-01T02:56:45Z) - GCRPNet: Graph-Enhanced Contextual and Regional Perception Network for Salient Object Detection in Optical Remote Sensing Images [68.33481681452675]
本稿では,GCRPNet(Graph-enhanced contextual and Regional Recognition Network)を提案する。
これはMambaアーキテクチャの上に構築され、長距離依存関係を同時にキャプチャし、地域的特徴表現を強化する。
マルチスケールの畳み込みによって処理される特徴マップに対して適応的なパッチスキャンを行い、リッチなローカル領域情報をキャプチャする。
論文 参考訳（メタデータ） (2025-08-14T11:31:43Z) - 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) - SkinMamba: A Precision Skin Lesion Segmentation Architecture with Cross-Scale Global State Modeling and Frequency Boundary Guidance [0.559239450391449]
皮膚病変のセグメンテーションは早期皮膚癌を同定するための重要な方法である。
我々は、SkinMambaと呼ばれるMambaとCNNをベースとしたハイブリッドアーキテクチャを提案する。
強力な長距離依存性モデリングとローカル機能抽出機能を提供しながら、線形複雑性を維持している。
論文 参考訳（メタデータ） (2024-09-17T05:02:38Z) - L-SFAN: Lightweight Spatially-focused Attention Network for Pain Behavior Detection [44.016805074560295]
慢性的な腰痛 (CLBP) は世界中の何百万もの患者を悩ませており、個人の健康や医療システムに対する経済的負担に大きな影響を及ぼす。
人工知能(AI)とディープラーニングは、リハビリ戦略を改善するために痛みに関連する行動を分析するための有望な道を提供するが、畳み込みニューラルネットワーク(CNN)を含む現在のモデルには限界がある。
我々は、モーションキャプチャーと表面筋電図センサからデータの空間的時間的相互作用をキャプチャする2Dフィルタを組み込んだ軽量CNNアーキテクチャであるhbox EmoL-SFANを紹介する。
論文 参考訳（メタデータ） (2024-06-07T12:01:37Z) - MamMIL: Multiple Instance Learning for Whole Slide Images with State Space Models [56.37780601189795]
本稿では,WSI分析のためのフレームワークMamMILを提案する。
私たちは各WSIを非指向グラフとして表現します。
マンバが1次元シーケンスしか処理できない問題に対処するために、トポロジ対応の走査機構を提案する。
論文 参考訳（メタデータ） (2024-03-08T09:02:13Z)
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。