論文の概要: M\textsuperscript{4}Fuse: Lightweight State-Space MoE with a Cross-Scale Gating Bridge for Brain Tumor Segmentation

• arxiv url: http://arxiv.org/abs/2605.02444v1
• Date: Mon, 04 May 2026 10:45:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-05 20:33:50.244361
• Title: M\textsuperscript{4}Fuse: Lightweight State-Space MoE with a Cross-Scale Gating Bridge for Brain Tumor Segmentation
• Title（参考訳）: M\textsuperscript{4}Fuse:脳腫瘍切除用クロススケールゲーティングブリッジ付き軽量状態空間MOE
• Authors: Meihua Zhou, Xinyu Tong, Li Yang,
• Abstract要約: Mtextsuperscript4Fuseは、識別性脳腫瘍キューを徹底的な外観再構成よりも優先する軽量ネットワークである。 BraTS 2019とBraTS 2021ベンチマークでは、Mtextsuperscript4Fuseはパラメータカウントとパフォーマンスの両方において、他の軽量な優れたメソッドよりも優れています。
• 参考スコア（独自算出の注目度）: 7.426738885878874
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Encoder-decoder imbalance and the reliance on large input volumes make many 3D brain tumor segmentation models both compute-heavy and brittle. We present M\textsuperscript{4}Fuse, a lightweight network that prioritizes discriminative brain tumor cues over exhaustive appearance reconstruction. Our method balances encoder and decoder capacity and replaces depth expansion with a synergistic design: it propagates long-range context with linear complexity via a grouped state space mixer, denoises and aligns skip features using a cross-scale dual-stage gating bridge, and absorbs cross-site acquisition shifts with a sample-level mixture-of-experts. On the BraTS2019 and BraTS2021 benchmarks, M\textsuperscript{4}Fuse outperforms other lightweight excellent methods in both parameter count and performance. Even at a challenging input resolution of \(64\times128\times128\) (half that of existing excellent models), M\textsuperscript{4}Fuse reduces parameters by 62.63\% and improves average performance by 0.09\%. Ablations of key components validate the method's exceptional parameter-to-accuracy efficiency and robustness across diverse data centers.
• Abstract（参考訳）: エンコーダ・デコーダの不均衡と大きな入力ボリュームへの依存は、多くの3次元脳腫瘍のセグメンテーションモデルを作る。 M\textsuperscript{4}Fuseは、識別性脳腫瘍を徹底的な外観再構成よりも優先する軽量ネットワークである。 本手法は,エンコーダとデコーダの容量のバランスを保ち,距離拡張を相乗的設計に置き換える。グループ化された状態空間ミキサーを介して長距離コンテキストを線形複雑に伝播し,クロススケールな2段ゲーティングブリッジを用いてスキップ機能をデニーズ・アライメントし,サンプルレベルのミキシング・オブ・エキスパートでクロスサイト取得シフトを吸収する。 BraTS2019とBraTS2021ベンチマークでは、M\textsuperscript{4}Fuseはパラメータカウントとパフォーマンスの両方において、他の軽量な優れたメソッドよりも優れています。 M\textsuperscript{4}Fuseは、(64\times128\times128\)の挑戦的な入力解像度でもパラメータを62.63\%削減し、平均性能を0.09\%向上させる。 キーコンポーネントのアブレーションは、様々なデータセンターにおけるメソッドの例外的なパラメータ対精度効率とロバスト性を検証する。

関連論文リスト

• JTok: On Token Embedding as another Axis of Scaling Law via Joint Token Self-modulation [46.64215658042213]
  補助埋め込みテーブルから得られる変調ベクトルを用いてトランスフォーマー層を拡大するジョイント・トケン(JTok)とジョイント・トケン(JTok-M)の混合を導入する。 これらのベクトルは、軽量な要素演算によってバックボーンを変調し、無視可能なFLOPのオーバーヘッドを発生させる。 我々のアプローチは、検証損失を継続的に減らし、ダウンストリームタスクのパフォーマンスを大幅に改善します。
  論文  参考訳（メタデータ） (2026-01-31T16:15:18Z)
• DRBD-Mamba for Robust and Efficient Brain Tumor Segmentation with Analytical Insights [54.87947751720332]
  脳腫瘍の正確なセグメンテーションは、臨床診断と治療に重要である。 マンバを拠点とするState Space Modelsは、有望なパフォーマンスを示している。 本稿では,計算オーバーヘッドを最小限に抑えながら,マルチスケールの長距離依存関係をキャプチャするマルチ解像度双方向マンバを提案する。
  論文  参考訳（メタデータ） (2025-10-16T07:31:21Z)
• SliM-LLM: Salience-Driven Mixed-Precision Quantization for Large Language Models [63.118592279833656]
  後学習量子化(PTQ)は,大規模言語モデル(LLM)の圧縮に有効な手法である 本稿では,SliM-LLMを提案する。SliM-LLMは,グループ単位でビット幅を割り当てるサリエンス駆動の混合精度量子化フレームワークである。 実験により、SliM-LLMは低ビット幅の様々なLLMにおいて優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2024-05-23T16:21:48Z)
• AsymFormer: Asymmetrical Cross-Modal Representation Learning for Mobile Platform Real-Time RGB-D Semantic Segmentation [4.54656749337919]
  AsymFormerは、RGB-Dマルチモーダル情報を用いたリアルタイムセマンティックセグメンテーションの精度を向上させる新しいネットワークである。 AsymFormerはマルチモーダルな特徴抽出に非対称なバックボーンを使用し、冗長なパラメータを削減している。 AsymFormerは高い精度と効率のバランスを取ることができる。
  論文  参考訳（メタデータ） (2023-09-25T11:57:16Z)
• UNETR++: Delving into Efficient and Accurate 3D Medical Image Segmentation [93.88170217725805]
  本稿では,高画質なセグメンテーションマスクと,パラメータ,計算コスト,推論速度の両面での効率性を提供するUNETR++という3次元医用画像セグメンテーション手法を提案する。 我々の設計の核となるのは、空間的およびチャネル的な識別的特徴を効率的に学習する、新しい効率的な対注意ブロック(EPA)の導入である。 Synapse, BTCV, ACDC, BRaTs, Decathlon-Lungの5つのベンチマークで評価した結果, 効率と精度の両面で, コントリビューションの有効性が示された。
  論文  参考訳（メタデータ） (2022-12-08T18:59:57Z)

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。