論文の概要: Balancing Efficiency and Restoration: Lightweight Mamba-Based Model for CT Metal Artifact Reduction
- arxiv url: http://arxiv.org/abs/2604.06622v1
- Date: Wed, 08 Apr 2026 03:02:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-09 17:30:51.314937
- Title: Balancing Efficiency and Restoration: Lightweight Mamba-Based Model for CT Metal Artifact Reduction
- Title（参考訳）: バランス効率と回復:CT金属アーチファクト低減のための軽量マンバモデル
- Authors: Weikai Qu, Sijun Liang, Xianfeng Li, Cheng Pan, An Yan, Ahmed Elazab, Shanzhou Niu, Dong Zeng, Xiang Wan, Changmiao Wang,
- Abstract要約: コンピュータ断層撮影では、金属インプラントはしばしば画像の品質を損なう重大な人工物を生成し、診断の精度を損なう。
画像の解剖学的構造の整合性を維持しつつ,異なる大きさの金属によって引き起こされるアーティファクトを効果的に除去するMARMambaを導入する。
このモデルは、マルチスケールのMambaをコアモジュールとして組み込んだ、合理化されたUNetアーキテクチャである。
- 参考スコア（独自算出の注目度）: 27.793579542156806
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In computed tomography imaging, metal implants frequently generate severe artifacts that compromise image quality and hinder diagnostic accuracy. There are three main challenges in the existing methods: the deterioration of organ and tissue structures, dependence on sinogram data, and an imbalance between resource use and restoration efficiency. Addressing these issues, we introduce MARMamba, which effectively eliminates artifacts caused by metals of different sizes while maintaining the integrity of the original anatomical structures of the image. Furthermore, this model only focuses on CT images affected by metal artifacts, thus negating the requirement for additional input data. The model is a streamlined UNet architecture, which incorporates multi-scale Mamba (MS-Mamba) as its core module. Within MS-Mamba, a flip mamba block captures comprehensive contextual information by analyzing images from multiple orientations. Subsequently, the average maximum feed-forward network integrates critical features with average features to suppress the artifacts. This combination allows MARMamba to reduce artifacts efficiently. The experimental results demonstrate that our model excels in reducing metal artifacts, offering distinct advantages over other models. It also strikes an optimal balance between computational demands, memory usage, and the number of parameters, highlighting its practical utility in the real world. The code of the presented model is available at: https://github.com/RICKand-MORTY/MARMamba.
- Abstract（参考訳）: コンピュータ断層撮影では、金属インプラントはしばしば画像の品質を損なう重大な人工物を生成し、診断の精度を損なう。
既存の方法には3つの大きな課題がある: 臓器と組織構造の劣化、シノグラムデータへの依存、資源使用と修復効率の不均衡。
これらの課題に対処するため,MARMambaを導入し,画像の本来の解剖学的構造の整合性を維持しつつ,異なる大きさの金属によるアーティファクトを効果的に除去する。
さらに, このモデルでは, 金属アーチファクトの影響を受けやすいCT画像のみに着目し, 追加入力データの必要性を否定する。
このモデルは、マルチスケールのMamba(MS-Mamba)をコアモジュールとして組み込んだ、合理化されたUNetアーキテクチャである。
MS-Mamba内では、フリップマンバブロックが複数の方向から画像を分析することで、包括的なコンテキスト情報をキャプチャする。
その後、平均的な最大フィードフォワードネットワークは、重要な特徴と平均的な特徴を統合して、アーティファクトを抑圧する。
この組み合わせにより、MARMambaはアーティファクトを効率的に削減できる。
実験結果から,我々のモデルは金属加工品の低減に優れており,他のモデルに対して顕著な利点があることが示された。
また、計算要求、メモリ使用量、パラメータの数を最適にバランスさせ、実世界での実用性を強調している。
提示されたモデルのコードは、https://github.com/RICKand-MORTY/MARMamba.comで公開されている。
関連論文リスト
- AS-Mamba: Asymmetric Self-Guided Mamba Decoupled Iterative Network for Metal Artifact Reduction [6.255398219368993]
金属はCT(Computed Tomography)の画質を著しく劣化させる。
CNNやTransformerといった既存のディープラーニングアプローチは、アーティファクトの方向幾何学的特徴を明示的に捉えていないことが多い。
本研究では,非対称自己ガイド型マンバ (AS-Mamba) を金属加工品の還元に用いることを提案する。
論文 参考訳（メタデータ） (2026-02-06T03:27:28Z) - UNet with Self-Adaptive Mamba-Like Attention and Causal-Resonance Learning for Medical Image Segmentation [2.0544282587296974]
既存のディープラーニングモデルは、効率と精度のトレードオフに直面している。
2つの重要なイノベーションを取り入れた新しいU字型アーキテクチャであるSAMA-UNetを提案する。
MRI、CT、内視鏡のデータセットの実験では、SAMA-UNetはCNN、Transformer、Mambaベースの手法よりも一貫して優れていた。
論文 参考訳（メタデータ） (2025-05-21T08:12:31Z) - DefMamba: Deformable Visual State Space Model [65.50381013020248]
我々はDefMambaと呼ばれる新しい視覚基盤モデルを提案する。
変形性スキャン(DS)戦略を組み合わせることで、画像構造を学習し、オブジェクトの細部の変化を検出する能力を大幅に向上する。
多くの実験により、DefMambaは様々な視覚的タスクで最先端のパフォーマンスを達成することが示されている。
論文 参考訳（メタデータ） (2025-04-08T08:22:54Z) - Soft Masked Mamba Diffusion Model for CT to MRI Conversion [7.973480052235655]
磁気共鳴イメージング (MRI) とCT (CT) は, 医用画像の分野で主に用いられている。
本研究では,一般的に使用されているU-NetあるいはTransformerのバックボーンを,潜時パッチで動作するMambaと呼ばれる状態空間モデル(SSM)に置き換え,CTからMRIへの遅延拡散モデルを訓練することを目的とする。
論文 参考訳（メタデータ） (2024-06-22T18:06:50Z) - Swin-UMamba: Mamba-based UNet with ImageNet-based pretraining [85.08169822181685]
本稿では,医療画像のセグメンテーションに特化して設計された新しいマンバモデルSwin-UMambaを紹介する。
Swin-UMamba は CNN や ViT,最新の Mamba ベースのモデルと比較して,優れたパフォーマンスを示している。
論文 参考訳（メタデータ） (2024-02-05T18:58:11Z) - On Sensitivity and Robustness of Normalization Schemes to Input
Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。
DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。
本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
論文 参考訳（メタデータ） (2023-06-23T03:09:03Z) - Realistic Restorer: artifact-free flow restorer(AF2R) for MRI motion
artifact removal [3.8103327351507255]
運動アーティファクトは画像品質を著しく劣化させ、検査効率を低下させ、正確な診断を困難にする。
それまでの手法は、アーティファクト修正のための暗黙のモデルに頼っていたため、アーティファクト形成機構をモデル化する際のバイアスが生じた。
画像領域のアーティファクトと解剖学的内容の関係を再構築するために、アーティファクト生成機構を組み込んだ。
論文 参考訳（メタデータ） (2023-06-19T04:02:01Z) - RetinexFlow for CT metal artifact reduction [10.612456151972113]
金属アーチファクトはCT(Computerd tomography)イメージングにおいて大きな課題である。
本研究では, 分解作業と完成作業の組合せとして, 金属加工品の還元問題を定式化する。
本稿では、Retinex理論と条件正規化フローに基づく、新しいエンドツーエンド画像ドメインモデルであるRetinexFlowを提案する。
論文 参考訳（メタデータ） (2023-06-18T10:53:52Z) - Orientation-Shared Convolution Representation for CT Metal Artifact
Learning [63.67718355820655]
X線CT(CT)スキャン中、患者を乗せた金属インプラントは、しばしば有害なアーティファクトに繋がる。
既存のディープラーニングベースの手法は、有望な再構築性能を得た。
本稿では,人工物の物理的事前構造に適応するために,配向型畳み込み表現戦略を提案する。
論文 参考訳（メタデータ） (2022-12-26T13:56:12Z) - Negligible effect of brain MRI data preprocessing for tumor segmentation [36.89606202543839]
我々は3つの公開データセットの実験を行い、ディープニューラルネットワークにおける異なる前処理ステップの効果を評価する。
その結果、最も一般的な標準化手順は、ネットワーク性能に何の価値も与えないことが示されている。
画像の規格化に伴う信号分散の低減のため,画像強度正規化手法はモデル精度に寄与しない。
論文 参考訳（メタデータ） (2022-04-11T17:29:36Z) - Self-Supervised Bulk Motion Artifact Removal in Optical Coherence
Tomography Angiography [62.416595926084206]
バルクモーションアーティファクト(BMA)は、被写体のマイクロモーションによるものであり、通常、ぼやけた領域に囲まれた明るいストライプとして現れる。
本稿では,自己管理型コンテンツ認識型BMAリカバリモデルを提案する。
我々のモデルはより大きなBMAを補正し、より良い視覚化結果をもたらすことができる。
論文 参考訳（メタデータ） (2022-02-21T16:58:22Z)
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。