論文の概要: BiSegMamba: Efficient Bidirectional Tri-Oriented Mamba for 3D Medical Image Segmentation

• arxiv url: http://arxiv.org/abs/2605.30972v1
• Date: Fri, 29 May 2026 08:13:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 20:56:50.462782
• Title: BiSegMamba: Efficient Bidirectional Tri-Oriented Mamba for 3D Medical Image Segmentation
• Title（参考訳）: BiSegMamba: 3次元医用画像セグメンテーションのための効率的な双方向三方向マンバ
• Abstract要約: 本稿では,3次元医用画像分割のための3次元ネットワークであるBiSegMambaを提案する。 BiSegMambaは、血管、心臓、脳腫瘍、腹部の多臓器セグメンテーションタスクを一般化する。 SegMamba-V2と比較して、BiSegMambaはBraTS2023のパフォーマンスがわずかに向上し、ACDCと頸動脈データセットが明確になった。
• 参考スコア（独自算出の注目度）: 6.344197178127241
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate 3D medical image segmentation requires both long-range volumetric context and fine boundary preservation. CNN-based methods have limited global dependency modeling, while Transformer-based models are often computationally expensive for dense 3D inputs. Recent Mamba-based methods provide an efficient alternative, but existing volumetric designs still depend on repeated high-resolution scanning, forward-only sequential modeling, and fixed directional summation, causing high cost, scan-order bias, and suboptimal directional aggregation. We propose BiSegMamba, an efficient bidirectional tri-oriented Mamba network for 3D medical image segmentation. BiSegMamba follows a compact-to-detail design, where a progressive compacting stem (PCS) enables efficient latent-space reasoning while retaining shallow high-resolution features for reconstruction. A multi-scale spatial mixer (MSSM) captures local anatomical patterns in early stages, and the proposed bidirectional tri-oriented Ortho Mamba (Bi-ToOM) block models long-range dependencies from multiple orthogonal views using jointly processed forward and backward scan sequences. Adaptive directional fusion (ADF) learns input-dependent channel-wise weights across scan orientations, replacing fixed summation with orientation-aware fusion. Experiments on a collected carotid CTA dataset and three public benchmarks, BraTS2023, ACDC, and AMOS-CT, show that BiSegMamba generalizes well across vascular, cardiac, brain tumor, and abdominal multi-organ segmentation tasks. Compared with SegMamba-V2, BiSegMamba achieves slightly better performance on BraTS2023 and clear improvements on ACDC and the carotid dataset, while reducing computational cost by up to 77.9% FLOPs, demonstrating a strong accuracy-efficiency balance for general 3D medical image segmentation.
• Abstract（参考訳）: 正確な3次元医用画像分割には、長距離ボリュームコンテキストと細かな境界保存が必要である。 CNNベースの手法は、グローバルな依存性モデリングに制限があるが、Transformerベースのモデルは、高密度な3D入力に対して計算コストがかかることが多い。 最近のマンバ法は効率的な代替手段であるが、既存のボリュームデザインは依然として高解像度の走査、前方のみの逐次モデリング、固定方向の和に頼っており、高いコスト、スキャンオーダーバイアス、最適方向のアグリゲーションを引き起こしている。 医用3次元画像セグメンテーションのための効率的な双方向指向型マンバネットワークであるBiSegMambaを提案する。 BiSegMamba は、プログレッシブ圧縮ステム (PCS) が効率的なラテント空間推論を可能にしながら、再構築のための浅い高解像度特徴を保持しながら、コンパクト・ディテールの設計に従う。 マルチスケール空間ミキサー (MSSM) は, 早期に局所解剖学的パターンを捕捉し, 提案した双方向三方向性Ortho Mamba (Bi-ToOM) ブロックは, 共同処理した前方スキャンシーケンスと後方スキャンシーケンスを用いて, 複数の直交ビューからの長距離依存性をモデル化する。 アダプティブ指向融合(Adaptive directional fusion, ADF)は、入力依存のチャネルウェイトをスキャン方向にわたって学習し、固定和を方向認識融合に置き換える。 収集された頸動脈CTAデータセットと、BraTS2023、ACDC、AMOS-CTの3つの公開ベンチマークによる実験は、BiSegMambaが血管、心臓、脳腫瘍、腹部の多臓器分節タスクによく行き渡っていることを示している。 SegMamba-V2と比較すると、BiSegMambaはBraTS2023の性能が若干向上し、ACDCと頸動脈のデータセットも改善され、計算コストは最大77.9%削減された。

関連論文リスト

• MambaADv2: Evolving Duality-enhanced State Space Model for Unsupervised Anomaly Detection [108.36437360254605]
  本稿では,マルチクラス非教師付き異常検出に適したフレームワークであるMambaADv2を提案する。 MambaADv2は、事前訓練されたエンコーダと、複数のスケールにわたるDuality-enhanced State Space (DSS)モジュールを備えたMambaインスパイアされたデコーダで構成される。 HSS(Hybrid State Space)ブロックの構造は、SSDベースのMambaラインに従って調整され、Mamba3スタイルの位置認識状態空間モデリングが組み込まれている。
  論文  参考訳（メタデータ） (2026-06-22T10:14:06Z)
• D3Seg: Dependency-Aware Diffusion for Brain Tumor Segmentation with Missing Modalities [54.87947751720332]
  欠落モード設定下での安定した性能を維持するために,新しいセグメンテーションモデルD3Segを提案する。 提案モデルでは, 腫瘍造影法 (ET) で約1.5～2.0%, 腫瘍コア法 (TC) で約1.0%, 複数の欠損モードで約1.0%を達成している。
  論文  参考訳（メタデータ） (2026-05-21T09:55:42Z)
• MHMamba: Multi-Head Mamba for 3D Brain Tumor Segmentation [6.1337977581640075]
  本稿では,長距離依存関係のモデル化におけるCNNの限界に対処するため,マルチヘッドマンバ(MHMamba)を提案する。 U字型アーキテクチャとマルチヘッド状態空間モデル(Mamba)を組み合わせて、チャネル次元を並列SSMヘッドに分割し、それらを残差で集約する。 結果: MHMambaは, 腫瘍コアおよび小体積拡張領域に対する総合的精度, 境界平滑性, 感度において, 安定かつ有意な改善を達成した。
  論文  参考訳（メタデータ） (2026-05-15T10:05:30Z)
• TopoMamba: Topology-Aware Scanning and Fusion for Segmenting Heterogeneous Medical Visual Media [36.26611641287451]
  TopoMambaは、異質な医用ビジュアルメディアをセグメント化するためのトポロジー対応のスキャン・アンド・フューズフレームワークである。 TopoMambaは、強力なCNN、Transformer、SSMベースラインよりもセグメンテーション品質を一貫して改善することを示す。
  論文  参考訳（メタデータ） (2026-04-28T12:11:58Z)
• A Hybrid Mamba-SAM Architecture for Efficient 3D Medical Image Segmentation [0.4358626952482685]
  Mamba-SAMは、凍ったSAMエンコーダと、Mamba-based State Space Models (SSM)の線形時間効率と長距離モデリング機能を組み合わせた、新しくて効率的なハイブリッドアーキテクチャである。 本稿では,MFGC(Multi-Frequency Gated Convolution)を導入し,空間領域情報と周波数領域情報を3次元離散コサイン変換と適応ゲーティングにより共同解析することにより特徴表現を向上させる。 Dual-branch Mamba-SAM-Baseモデルでは、平均Diceスコアが0.906となり、UNet++ (0.907)に匹敵する。
  論文  参考訳（メタデータ） (2026-01-31T10:51:17Z)
• 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)
• DM-SegNet: Dual-Mamba Architecture for 3D Medical Image Segmentation with Global Context Modeling [0.0]
  本稿では,Dual-MambaアーキテクチャであるDM-SegNetについて述べる。 中心となるイノベーションは、解剖学的空間コヒーレンスを維持するために4方向の3Dスキャンを利用する4方向空間マンバモジュールである。 2つの臨床的に有意なベンチマークの大規模な評価は、DM-SegNetの有効性を示す。
  論文  参考訳（メタデータ） (2025-06-05T17:49:46Z)
• Rotate to Scan: UNet-like Mamba with Triplet SSM Module for Medical Image Segmentation [8.686237221268584]
  本稿では,新しいタイプの画像分割ネットワークとしてTriplet Mamba-UNetを提案する。 本モデルでは,従来のVM-UNetと比較してパラメータの3分の1の削減を実現している。
  論文  参考訳（メタデータ） (2024-03-26T13:40:18Z)
• 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)
• 3DSAM-adapter: Holistic adaptation of SAM from 2D to 3D for promptable tumor segmentation [52.699139151447945]
  医用画像の領域分割を行うために, SAMを2次元から3次元に変換する新しい適応法を提案する。 本モデルでは, 腎腫瘍, 膵腫瘍, 大腸癌の3つのタスクのうち8.25%, 29.87%, 10.11%の3つのタスクにおいて, ドメイン・オブ・ザ・アーティヴ・メディカル・イメージ・セグメンテーション・モデルより優れ, 肝腫瘍セグメンテーションでも同様の性能が得られる。
  論文  参考訳（メタデータ） (2023-06-23T12:09:52Z)
• 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)
• Two-Stream Graph Convolutional Network for Intra-oral Scanner Image Segmentation [133.02190910009384]
  本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。 TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
  論文  参考訳（メタデータ） (2022-04-19T10:41:09Z)

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。