論文の概要: IPSM-Bench: A New Intermediate Phase Segmentation Benchmark in Microstructure Images of Zinc-Based Absorbable Biomaterials

• arxiv url: http://arxiv.org/abs/2606.11001v1
• Date: Tue, 09 Jun 2026 15:34:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-10 15:40:58.585953
• Title: IPSM-Bench: A New Intermediate Phase Segmentation Benchmark in Microstructure Images of Zinc-Based Absorbable Biomaterials
• Title（参考訳）: IPSM-Bench:亜鉛系吸収性生体材料の微細構造画像における新しい中間相分離ベンチマーク
• Authors: Jinglin Xu, Shangyan Zhao, Jiabo Wang, Xinghong Mu, Yulong Lei, Jiacheng Zhang, Hongbo Sun, Yageng Li,
• Abstract要約: 亜鉛合金中間相セグメンテーションのための最大品質データセットであるIPSM-Benchを構築した。 また,空間文脈優先型SAM法であるSCoP-SAMを提案する。 提案したIPSM-Benchに基づいて,中間位相セグメンテーションのための新しいベンチマークを構築した。
• 参考スコア（独自算出の注目度）: 19.74433009539938
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Zinc-based alloys are indispensable emerging absorbable metallic biomaterials, and their macroscopic performance is governed by microstructural characteristics. Intermediate phases-key microstructural constituents-are pivotal in regulating mechanical and functional properties. However, intermediate phase segmentation in zinc alloy microstructures faces formidable challenges: scarce annotated datasets, low contrast, difficulty detecting small targets, and heterogeneous morphologies. To this end, we construct IPSM-Bench, the largest high-quality dataset for zinc-alloy intermediate phase segmentation. Furthermore, we propose SCoP-SAM, a new Spatial Context Prior-guided SAM method that leverages the gradient structure and grayscale properties of intermediate phases to capture spatial context priors and incorporates them into the entire SAM encoding-decoding process, improving segmentation performance. Based on the proposed IPSM-Bench, we establish a new benchmark for intermediate phase segmentation to systematically evaluate state-of-the-art (SOTA) methods and advance research on zinc alloy microstructure analysis. Extensive experiments on IPSM-Bench and additional public alloy benchmarks demonstrate that our SCoP-SAM not only achieves SOTA performance for zinc-alloy intermediate phase segmentation but also generalizes remarkably well to other alloy scenarios.
• Abstract（参考訳）: 亜鉛系合金は, 吸収性金属生体材料として必須であり, 微視的特性が支配される。 中間相-キーミクロ構造成分-機械的および機能的特性の制御において重要な役割を担っている。 しかし、亜鉛合金のミクロ組織における中間相の分断は、アノテートデータセットの不足、低コントラスト、小さなターゲットの検出の困難、不均一な形態といった重大な課題に直面している。 この目的のために、亜鉛合金中間相分割のための最大高品質データセットであるIPSM-Benchを構築した。 さらに,SCoP-SAM法を提案する。SCoP-SAM法は,中間位相の勾配構造とグレースケール特性を利用して,空間コンテキストの事前をキャプチャし,SAM符号化復号プロセス全体に組み込むことにより,セグメント化性能を向上させる。 提案したIPSM-Benchに基づいて中間相セグメンテーションのための新しいベンチマークを構築し,SOTA (State-of-the-art) 手法を体系的に評価し,亜鉛合金ミクロ組織解析の先進的な研究を行う。 IPSM-Benchおよびその他の公開合金ベンチマークの広範囲な実験により、我々のSCoP-SAMは、亜鉛-合金中間相分断におけるSOTA性能を達成するだけでなく、他の合金シナリオに非常によく当てはまることを示した。

関連論文リスト

• Bridging Foundation Models and ASTM Metallurgical Standards for Automated Grain Size Estimation from Microscopy Images [4.3441332321802095]
  本研究では,高密度セグメンテーションと粒径推定のための自動パイプラインを提案する。 このパイプラインを古典的畳み込みネットワーク(U-Net)、適応型プロンプト視覚基盤モデル(MatSAM)、現代視覚言語モデル(Qwen2.5-VL-7B)とベンチマークする。 トレーニングスプリットを段階的に削減した実験は、驚くべき数ショットのスケーラビリティを示している。
  論文  参考訳（メタデータ） (2026-04-21T01:13:03Z)
• Biomimetic causal learning for microstructure-forming phase transitions [7.513319512752875]
  そこで我々は,細胞による相転移を学習するためのバイオミメティックな物理インフォームドネットワーク (BioPIN) を提案する。 この方法は、ニューラルリモデリングの外向きの進行を距離ベーストレーニングカリキュラムに変換し、不確実性駆動型コロケーションに結合する。 適応型サンプリング装置の構造保証を確立し, ゲート拡張時の持続的カバレッジと, 遠隔地への定量的蓄積について検討した。
  論文  参考訳（メタデータ） (2026-03-31T02:50:07Z)
• VesSAM: Efficient Multi-Prompting for Segmenting Complex Vessel [68.24765319399286]
  本稿では,2次元血管セグメンテーションに適した,強力で効率的なフレームワークであるVesSAMを提案する。 VesSAMは、(1)局所的なテクスチャ機能を強化する畳み込みアダプタ、(2)解剖学的プロンプトを融合するマルチプロンプトエンコーダ、(3)ジャグアーティファクトを減らす軽量マスクデコーダを統合する。 VesSAMは、最先端のPEFTベースのSAMを10%以上のDiceと13%のIoUで一貫して上回っている。
  論文  参考訳（メタデータ） (2025-11-02T15:47:05Z)
• MeToken: Uniform Micro-environment Token Boosts Post-Translational Modification Prediction [65.33218256339151]
  翻訳後修飾(PTM)はプロテオームの複雑さと機能を大幅に拡張する。 既存の計算手法は主に、配列依存的なモチーフの認識によって引き起こされる、PTM部位を予測するタンパク質配列に焦点を当てている。 本稿では,各酸のマイクロ環境をトークン化し,シーケンス情報と構造情報を統一された離散トークンに統合するMeTokenモデルを提案する。
  論文  参考訳（メタデータ） (2024-11-04T07:14:28Z)
• Adapting Segment Anything Model for Unseen Object Instance Segmentation [70.60171342436092]
  Unseen Object Instance(UOIS)は、非構造環境で動作する自律ロボットにとって不可欠である。 UOISタスクのためのデータ効率のよいソリューションであるUOIS-SAMを提案する。 UOIS-SAMは、(i)HeatmapベースのPrompt Generator(HPG)と(ii)SAMのマスクデコーダに適応する階層識別ネットワーク(HDNet)の2つの重要なコンポーネントを統合する。
  論文  参考訳（メタデータ） (2024-09-23T19:05:50Z)
• Creating a Microstructure Latent Space with Rich Material Information for Multiphase Alloy Design [19.10106845551149]
  本研究は, 高精度CPSP関係を確立するために, 真の微細構造情報を統合する改良された合金設計アルゴリズムを提案する。 このアプローチでは、変分オートエンコーダに基づくディープラーニングフレームワークを使用して、実際のミクロ構造データを潜在空間にマッピングする。
  論文  参考訳（メタデータ） (2024-09-04T12:26:19Z)
• MatSAM: Efficient Extraction of Microstructures of Materials via Visual Large Model [11.130574172301365]
  Segment Anything Model (SAM)は、強力な深い特徴表現とゼロショットの一般化機能を備えた大きなビジュアルモデルである。 本稿では,SAMに基づく汎用的で効率的なマイクロ構造抽出法であるMatSAMを提案する。 簡単なが効果的な点ベースのプロンプト生成戦略が設計され、ミクロ構造の分布と形状に基づいている。
  論文  参考訳（メタデータ） (2024-01-11T03:18:18Z)
• Learning Multiscale Consistency for Self-supervised Electron Microscopy Instance Segmentation [48.267001230607306]
  本稿では,EMボリュームのマルチスケール一貫性を高める事前学習フレームワークを提案する。 当社のアプローチでは,強力なデータ拡張と弱いデータ拡張を統合することで,Siameseネットワークアーキテクチャを活用している。 効果的にボクセルと機能の一貫性をキャプチャし、EM分析のための転送可能な表現を学習する。
  論文  参考訳（メタデータ） (2023-08-19T05:49:13Z)
• Structure-Aware Feature Generation for Zero-Shot Learning [108.76968151682621]
  潜在空間と生成ネットワークの両方を学習する際の位相構造を考慮し,SA-GANと呼ばれる新しい構造認識特徴生成手法を提案する。 本手法は,未確認クラスの一般化能力を大幅に向上させ,分類性能を向上させる。
  論文  参考訳（メタデータ） (2021-08-16T11:52:08Z)

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。