論文の概要: PanopMamba: Vision State Space Modeling for Nuclei Panoptic Segmentation
- arxiv url: http://arxiv.org/abs/2601.16631v1
- Date: Fri, 23 Jan 2026 10:33:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-26 14:27:27.636608
- Title: PanopMamba: Vision State Space Modeling for Nuclei Panoptic Segmentation
- Title（参考訳）: PanopMamba: Nuclei Panoptic Segmentationのためのビジョン状態空間モデリング
- Authors: Ming Kang, Fung Fung Ting, Raphaël C. -W. Phan, Zongyuan Ge, Chee-Ming Ting,
- Abstract要約: PanopMambaは、MambaとTransformerを統合した新しいハイブリッドエンコーダデコーダアーキテクチャである。
私たちの知る限りでは、これはパン光学セグメンテーションのための最初のマンバベースのアプローチである。
画像レベルのPanoptic Quality(i$PQ)、境界重み付きPQ(w$PQ)、周波数重み付きPQ(fw$PQ)などの代替評価指標を導入する。
- 参考スコア（独自算出の注目度）: 20.689908446030856
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Nuclei panoptic segmentation supports cancer diagnostics by integrating both semantic and instance segmentation of different cell types to analyze overall tissue structure and individual nuclei in histopathology images. Major challenges include detecting small objects, handling ambiguous boundaries, and addressing class imbalance. To address these issues, we propose PanopMamba, a novel hybrid encoder-decoder architecture that integrates Mamba and Transformer with additional feature-enhanced fusion via state space modeling. We design a multiscale Mamba backbone and a State Space Model (SSM)-based fusion network to enable efficient long-range perception in pyramid features, thereby extending the pure encoder-decoder framework while facilitating information sharing across multiscale features of nuclei. The proposed SSM-based feature-enhanced fusion integrates pyramid feature networks and dynamic feature enhancement across different spatial scales, enhancing the feature representation of densely overlapping nuclei in both semantic and spatial dimensions. To the best of our knowledge, this is the first Mamba-based approach for panoptic segmentation. Additionally, we introduce alternative evaluation metrics, including image-level Panoptic Quality ($i$PQ), boundary-weighted PQ ($w$PQ), and frequency-weighted PQ ($fw$PQ), which are specifically designed to address the unique challenges of nuclei segmentation and thereby mitigate the potential bias inherent in vanilla PQ. Experimental evaluations on two multiclass nuclei segmentation benchmark datasets, MoNuSAC2020 and NuInsSeg, demonstrate the superiority of PanopMamba for nuclei panoptic segmentation over state-of-the-art methods. Consequently, the robustness of PanopMamba is validated across various metrics, while the distinctiveness of PQ variants is also demonstrated. Code is available at https://github.com/mkang315/PanopMamba.
- Abstract（参考訳）: Nuclei panoptic segmentationは、病理組織像における組織構造と個々の核を解析するために、異なる細胞型のセグメンテーションとインスタンスセグメンテーションの両方を統合することで、がん診断をサポートする。
主な課題は、小さなオブジェクトの検出、あいまいな境界の扱い、クラスの不均衡への対処である。
これらの問題に対処するために,Mamba と Transformer を統合した新しいハイブリッドエンコーダデコーダアーキテクチャである PanopMamba を提案する。
マルチスケールのマンババックボーンとステートスペースモデル(SSM)ベースの核融合ネットワークを設計し、ピラミッド特徴の長距離認識を効果的に行うことにより、核のマルチスケール特徴間の情報共有を容易にし、純粋なエンコーダデコーダフレームワークを拡張した。
提案したSSMによる特徴強調融合は、ピラミッドの特徴ネットワークと異なる空間スケールにわたる動的特徴拡張を統合し、意味的次元と空間的次元の両方において重なり合う原子核の特徴表現を強化する。
私たちの知る限りでは、これはパン光学セグメンテーションのための最初のマンバベースのアプローチである。
さらに,画像レベルのPanoptic Quality(i$PQ),境界重み付きPQ(w$PQ),周波数重み付きPQ(fw$PQ)などの別の評価指標を導入する。
MoNuSAC2020とNuInsSegの2つのマルチクラス核分割ベンチマークデータセットに対する実験的評価は、最先端手法よりもパノップマンバの方が優れていることを示した。
その結果、PanopMambaのロバスト性は様々な指標で検証され、PQ変異の特異性も示される。
コードはhttps://github.com/mkang315/PanopMambaで入手できる。
関連論文リスト
- Multi-label Classification with Panoptic Context Aggregation Networks [61.82285737410154]
本稿では,多次幾何学的文脈を階層的に統合する新しいアプローチであるDeep Panoptic Context Aggregation Network(PanCAN)を紹介する。
PanCANは、ランダムウォークとアテンションメカニズムを組み合わせることで、各スケールで複数階の近傍関係を学習する。
NUS-WIDE、PASCAL VOC、2007、MS-COCOベンチマークの実験は、PanCANが一貫して競争結果を達成することを示した。
論文 参考訳（メタデータ） (2025-12-29T14:16:21Z) - 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) - 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) - HSA-Net: Hierarchical and Structure-Aware Framework for Efficient and Scalable Molecular Language Modeling [7.26697833663902]
階層的特徴投影と融合を可能にする2つのモジュールを持つ新しいフレームワークである階層型・構造対応ネットワーク(HSA-Net)を提案する。
複数レベルの特徴を適応的にマージするために,アグリゲーションの特徴に基づいて,融合の専門家を柔軟に選択するSource-Aware Fusion (SAF) モジュールを設計する。
我々のHSA-Netフレームワークは、現在最先端(SOTA)手法よりも定量的に質的に優れていることを示した。
論文 参考訳（メタデータ） (2025-08-10T15:22:42Z) - 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) - MambaHSI: Spatial-Spectral Mamba for Hyperspectral Image Classification [46.111607032455225]
本稿では,Mambaモデルに基づく新しいHSI分類モデル,MambaHSIを提案する。
具体的には,空間的マンバブロック(SpaMB)を設計し,画素レベルの画像全体の長距離相互作用をモデル化する。
スペクトルベクトルを複数のグループに分割し、異なるスペクトル群間の関係をマイニングし、スペクトル特徴を抽出するスペクトルマンバブロック(SpeMB)を提案する。
論文 参考訳（メタデータ） (2025-01-09T03:27:47Z) - S$^2$Mamba: A Spatial-spectral State Space Model for Hyperspectral Image Classification [44.99672241508994]
ハイパースペクトル画像(HSI)を用いた土地被覆解析は、空間分解能の低さと複雑なスペクトル情報のため、未解決の課題である。
ハイパースペクトル画像分類のための空間スペクトル状態空間モデルであるS$2$Mambaを提案する。
論文 参考訳（メタデータ） (2024-04-28T15:12:56Z) - Dual-scale Enhanced and Cross-generative Consistency Learning for Semi-supervised Medical Image Segmentation [49.57907601086494]
医用画像のセグメンテーションはコンピュータ支援診断において重要な役割を担っている。
半教師型医用画像(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learning frameworkを提案する。
論文 参考訳（メタデータ） (2023-12-26T12:56:31Z) - Lesion-aware Dynamic Kernel for Polyp Segmentation [49.63274623103663]
ポリープセグメンテーションのための障害対応動的ネットワーク(LDNet)を提案する。
従来のU字型エンコーダ・デコーダ構造であり、動的カーネル生成と更新スキームが組み込まれている。
この単純だが効果的なスキームは、我々のモデルに強力なセグメンテーション性能と一般化能力を与える。
論文 参考訳（メタデータ） (2023-01-12T09:53:57Z)
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。