論文の概要: Multi-View Deformable Convolution Meets Visual Mamba for Coronary Artery Segmentation

• arxiv url: http://arxiv.org/abs/2603.21829v1
• Date: Mon, 23 Mar 2026 11:15:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:39.628188
• Title: Multi-View Deformable Convolution Meets Visual Mamba for Coronary Artery Segmentation
• Title（参考訳）: Multi-View Deformable Convolution with Visual Mamba for Coronary Artery Segmentation
• Authors: Xiaochan Yuan, Pai Zeng,
• Abstract要約: MDSVM-UNetは,新しい2段階冠動脈セグメンテーションフレームワークである。 符号化段階では、変形可能な畳み込みモジュールであるMDSConvを導入する。 復号段階では、RVMベースのアップサンプリングデコーダブロックを設計する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Accurate segmentation of coronary arteries from computed tomography angiography (CTA) images is of paramount clinical importance for the diagnosis and treatment planning of cardiovascular diseases. However, coronary artery segmentation remains challenging due to the inherent multi-branching and slender tubular morphology of the vasculature, compounded by severe class imbalance between foreground vessels and background tissue. Conventional convolutional neural network (CNN)-based approaches struggle to capture long-range dependencies among spatially distant vascular structures, while Vision Transformer (ViT)-based methods incur prohibitive computational overhead that hinders deployment in resource-constrained clinical settings. Motivated by the recent success of state space models (SSMs) in efficiently modeling long-range sequential dependencies with linear complexity, we propose MDSVM-UNet, a novel two-stage coronary artery segmentation framework that synergistically integrates multidirectional snake convolution (MDSConv) with residual visual Mamba (RVM). In the encoding stage, we introduce MDSConv, a deformable convolution module that learns adaptive offsets along three orthogonal anatomical planes -- sagittal, coronal, and axial -- thereby enabling comprehensive multi-view feature fusion that faithfully captures the elongated and tortuous geometry of coronary vessels. In the decoding stage, we design an RVM-based upsampling decoder block that leverages selective state space mechanisms to model inter-slice long-range dependencies while preserving linear computational complexity. Furthermore, we propose a progressive two-stage segmentation strategy: the first stage performs coarse whole-image segmentation to guide intelligent block extraction, while the second stage conducts fine-grained block-level segmentation to recover vascular details and suppress false positives..
• Abstract（参考訳）: 心血管疾患の診断と治療計画において,CT画像による冠動脈の正確な分画が最重要となる。 冠状動脈の分節は,前庭血管と背景組織との重度の階級的不均衡を伴い,本態性多枝および細細管形態が困難である。 従来の畳み込みニューラルネットワーク(CNN)ベースのアプローチは、空間的に離れた血管構造間の長距離依存関係を捉えるのに苦労する。 最近の状態空間モデル(SSM)の線形複雑性を伴う長距離連続的依存関係を効率的にモデル化する成功により、MDSVM-UNetは、多方向スネークコンボリューション(MDSConv)と残留視覚マンバ(RVM)を相乗的に統合する新しい2段階冠状動脈セグメンテーションフレームワークである。 エンコーディング段階では,3つの直交解剖面に沿って適応オフセットを学習する変形可能な畳み込みモジュールであるMDSConvを導入し,冠状血管の細長い形状と細長い形状を忠実に捉えた包括的多面的特徴融合を可能にする。 復号段階において、線形計算複雑性を保ちながら、スライス間長距離依存性をモデル化するために、選択状態空間機構を利用するRVMベースのアップサンプリングデコーダブロックを設計する。 さらに,第1段階は知的ブロック抽出を誘導するための粗い全体像分割を行い,第2段階は細粒度のブロックレベル分割を行い,血管の細部を回復し,偽陽性を抑える2段階分割戦略を提案する。 と。

関連論文リスト

• OmniCT: Towards a Unified Slice-Volume LVLM for Comprehensive CT Analysis [53.01523944168442]
  臨床解釈はスライス駆動の局所特徴と体積駆動の空間表現の両方に依存している。 既存のLVLM(Large Vision-Language Models)は、CTスライスとボリューム理解で断片化されている。 我々は,CTシナリオのための強力な統合スライスボリュームLVLMであるOmniCTを提案する。
  論文  参考訳（メタデータ） (2026-02-18T00:42:41Z)
• VFGS-Net: Frequency-Guided State-Space Learning for Topology-Preserving Retinal Vessel Segmentation [14.615144175462051]
  本稿では、周波数認識機能強化、デュアルパス畳み込み表現学習、および統一アーキテクチャ内の非対称空間状態空間モデリングをシームレスに統合するエンドツーエンドセグメンテーションフレームワークを提案する。 本モデルでは, 細血管, 複雑な分岐パターン, 低コントラスト領域のセグメンテーション精度を常に改善し, その堅牢性と臨床応用の可能性を強調した。
  論文  参考訳（メタデータ） (2026-02-11T16:07:29Z)
• Multi-View Stenosis Classification Leveraging Transformer-Based Multiple-Instance Learning Using Real-World Clinical Data [76.89269238957593]
  冠動脈狭窄は心血管疾患の主要な原因であり,多発血管造影で冠動脈を解析し診断した。 患者レベルの狭窄分類のためのトランスフォーマーベースマルチビューマルチインスタンス学習フレームワークであるSegmentMILを提案する。
  論文  参考訳（メタデータ） (2026-02-02T13:07:52Z)
• Multimodal Visual Surrogate Compression for Alzheimer's Disease Classification [69.87877580725768]
  MVSC(Multimodal Visual Surrogate Compression)は、大規模な3D sMRIボリュームをコンパクトな2D機能に圧縮し、適応させることを学ぶ。 MVSCには2つの重要なコンポーネントがある: テキストガイダンスの下でグローバルなクロススライスコンテキストをキャプチャするボリュームコンテキストと、テキストエンハンスでパッチワイズな方法でスライスレベルの情報を集約するAdaptive Slice Fusionモジュール。
  論文  参考訳（メタデータ） (2026-01-29T13:05:46Z)
• Unleashing Vision Foundation Models for Coronary Artery Segmentation: Parallel ViT-CNN Encoding and Variational Fusion [12.839049648094893]
  冠動脈セグメンテーションは冠動脈疾患(CAD)のコンピュータ診断に重要である 並列符号化アーキテクチャを用いて,視覚基盤モデル(VFM)のパワーを利用する新しいフレームワークを提案する。 提案手法は, 精度の高い冠動脈セグメンテーションにおいて, 最先端の手法よりも優れ, 優れた性能を発揮する。
  論文  参考訳（メタデータ） (2025-07-17T09:25:00Z)
• 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 Novel Hybrid Approach for Retinal Vessel Segmentation with Dynamic Long-Range Dependency and Multi-Scale Retinal Edge Fusion Enhancement [0.3611754783778107]
  既存の方法は、マルチスケールの船の変動性、複雑な曲率、曖昧な境界といった課題に対処する。 本稿では,CNNとMambaを相乗的に統合した新しいハイブリッドフレームワークを提案する。 本手法は血管の連続性維持と低コントラスト領域の血管の分断を効果的に行う上で,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2025-04-18T08:41:35Z)
• 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)
• Affinity Feature Strengthening for Accurate, Complete and Robust Vessel Segmentation [48.638327652506284]
  血管セグメンテーションは、冠動脈狭窄、網膜血管疾患、脳動脈瘤などの多くの医学的応用において重要である。 コントラストに敏感なマルチスケールアフィニティアプローチを用いて,幾何学的手法と画素単位のセグメンテーション特徴を連成的にモデル化する新しいアプローチであるAFNを提案する。
  論文  参考訳（メタデータ） (2022-11-12T05:39:17Z)
• Segmentation of Cardiac Structures via Successive Subspace Learning with Saab Transform from Cine MRI [29.894633364282555]
  本研究では,適応バイアス(Saab)変換を用いた部分空間近似を用いた連続部分空間学習による機械学習モデルを提案する。 左心室,右心室,心筋のパラメータが200ドル以上で,最先端のU-Netモデルよりも優れた性能を示した。
  論文  参考訳（メタデータ） (2021-07-22T14:50:48Z)

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。