論文の概要: Structure-aware Knowledge-guided Heterogeneous Mamba for Zygomaticomaxillary Suture Assessment
- arxiv url: http://arxiv.org/abs/2606.16749v1
- Date: Mon, 15 Jun 2026 14:08:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-16 16:21:34.600034
- Title: Structure-aware Knowledge-guided Heterogeneous Mamba for Zygomaticomaxillary Suture Assessment
- Title（参考訳）: Zygomaticomaxillary suture Assessmentのための構造認識知誘導不均質マンバ
- Authors: Xiaoqi Guo, Birui Chen, Xinquan Yang, Chaoyun Zhang, Xuefen Liu, Mianjie Zheng, Kun Tang, Xuguang Li, Wen Ma, Yanhua Xu, Linlin Shen,
- Abstract要約: 3,790個のZMS画像からなる最初の公開ZMSデータセットを4歳から24歳までの年齢範囲で提示した。
本データセットに基づいて,ZMS自動成熟度評価のための構造認識および知識誘導型マンバベースのフレームワークであるSKMambaを提案する。
- 参考スコア（独自算出の注目度）: 40.72347312278212
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Zygomaticomaxillary Suture is a key circummaxillary structure that connects the zygomatic bone and the maxilla, which serves as a primary site of resistance during maxillary advancement, and its maturation status directly influences the timing and efficacy of orthopedic interventions. However, accurate staging of ZMS maturation remains challenging due to subtle high-frequency transitions in suture lines and the global semantic ambiguity between adjacent stages. To address this, we present the first public ZMS dataset, comprising 3,790 ZMS images covering the entire age range from 4 to 24 years. Based on this dataset, we propose SKMamba, a Structure-aware and Knowledge-guided Mamba-based multi-modal framework for automated ZMS maturation assessment. SKMamba adopts a decoupled dual-path architecture that mimics the hierarchical diagnostic process used by experienced orthodontists. We first introduce an Implicit Edge Extractor (IEE), which leverages structural pre-training to reduce trabecular noise and accentuate sutural boundaries. Complementarily, a Cross-Modal Semantic Alignment (CSA) module is designed to incorporate anatomical descriptions from a large language model (LLM). This module helps align local morphological cues with global semantic descriptions while ensuring that objective morphological evidence remains the primary basis for decisions. Extensive experiments on our ZMS dataset demonstrate that SKMamba achieves state-of-the-art performance compared to existing methods. Code is available at https://github.com/galaxygxq1116/SKMamba.
- Abstract（参考訳）: Zygomaticomaxillary Sutureは、上顎骨と上顎骨を繋ぐ重要な上顎骨構造であり、上顎骨の進行における抵抗の一次部位として機能し、その成熟状態は整形外科手術のタイミングと有効性に直接影響する。
しかし、縫合ラインの微妙な高周波遷移と、隣接するステージ間の大域的意味的あいまいさにより、ZMS成熟の正確なステージングは依然として困難である。
そこで本研究では,4歳から24歳までの年齢範囲をカバーする3,790個のZMS画像からなる,最初の公開ZMSデータセットを提案する。
本データセットに基づいて,ZMS自動成熟度評価のための構造認識および知識誘導型マンバに基づくマルチモーダルフレームワークであるSKMambaを提案する。
SKMambaは、経験豊富な矯正医が使用する階層的診断プロセスを模倣した、分離されたデュアルパスアーキテクチャを採用している。
Indicit Edge Extractor (IEE) を導入し, 構造的事前学習を活用し, トラベキュラーノイズを低減し, 後壁境界をアクセントする。
補足的に、CSA(Cross-Modal Semantic Alignment)モジュールは、大きな言語モデル(LLM)からの解剖学的記述を組み込むように設計されている。
このモジュールは、局所的な形態学的手がかりをグローバルな意味記述と整合させるのに役立ち、客観的な形態学的証拠が決定の主要な基礎のままであることを保証する。
我々のZMSデータセットに関する大規模な実験は、SKMambaが既存の手法と比較して最先端のパフォーマンスを達成することを示した。
コードはhttps://github.com/galaxygxq1116/SKMambaで入手できる。
関連論文リスト
- Coarse-to-fine Hierarchical Architecture with Sequential Mamba for Brain Reconstruction [5.732406989501624]
画像-fMRI符号化のための新しい階層型2段階フレームワークであるCHASMBrainを提案する。
我々のアーキテクチャは、グローバルなセマンティックトークンと局所的な空間パッチを明確に分離し処理するために、デュアルストリームのMamba設計を活用している。
提案手法はPearsonの0.429とMSE0.261の相関を達成し,評価基準線を上回る結果を得た。
論文 参考訳（メタデータ） (2026-06-03T11:53:23Z) - MedMamba: Multi-View State Space Models with Adaptive Graph Learning for Medical Time Series Classification [60.41879345743941]
状態空間モデルとドメイン固有の帰納バイアスを統合するエンドツーエンドアーキテクチャであるMedMambaを提案する。
MedMambaは線形計算複雑性を維持しながら最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2026-05-24T09:23:39Z) - Learning to Synergize Semantic and Geometric Priors for Limited-Data Wheat Disease Segmentation [51.06355116973389]
本研究では,小麦病のセグメンテーションを病種特異的な意味認識と疾患境界の局所化の複合的課題として扱う枠組みを提案する。
我々の中核的な洞察は、事前訓練されたDINOv2は、出現シフトを処理するために、堅牢なカテゴリ認識セマンティックスを提供します。
SGPer は,コムギ病と臓器分画のベンチマークにおいて,常に最先端のパフォーマンスを達成している。
論文 参考訳（メタデータ） (2026-04-07T04:19:39Z) - HyM-UNet: Synergizing Local Texture and Global Context via Hybrid CNN-Mamba Architecture for Medical Image Segmentation [3.976000861085382]
HyM-UNet は,CNN の局所的特徴抽出能力を,Mamba の効率的なグローバルモデリング能力と相乗化するために設計された。
エンコーダとデコーダのセマンティックギャップを埋めるため,Mamba-Guided Fusion Skip Connectionを提案する。
その結果,HyM-UNetはDice係数とIoUで既存の最先端手法を著しく上回ることがわかった。
論文 参考訳（メタデータ） (2025-11-22T09:02:06Z) - When CNNs Outperform Transformers and Mambas: Revisiting Deep Architectures for Dental Caries Segmentation [9.108764893521526]
コンボリューションニューラルネットワーク,ビジョントランスフォーマー,および状態空間のマンバアーキテクチャを,DC1000データセットによるパノラマX線写真による自動歯列セグメンテーションのために,初めて包括的なベンチマークを行った。
その結果、CNNベースのDoubleU-Netは、複雑な注意に基づくアーキテクチャの傾向とは対照的に、最も高いダイス係数は0.7345、mIoUは0.5978、精度は0.8145となり、全ての変圧器やマンバの変圧器よりも優れていることがわかった。
論文 参考訳（メタデータ） (2025-11-18T19:16:21Z) - U-Mamba2: Scaling State Space Models for Dental Anatomy Segmentation in CBCT [44.3806898357896]
CBCT (Cone-Beam Computed Tomography) は歯科用3次元イメージング技術として広く用いられている。
U-Mamba2は、マルチ解剖学的CBCTセグメンテーションのために設計された新しいニューラルネットワークアーキテクチャである。
論文 参考訳（メタデータ） (2025-09-15T15:52:43Z) - SRMA-Mamba: Spatial Reverse Mamba Attention Network for Pathological Liver Segmentation in MRI Volumes [10.398312170809222]
肝硬変は慢性肝疾患の予後に重要な役割を果たす。
既存の手法はMRIデータの空間的詳細を過小評価する。
我々は,MRIボリュームの複雑な解剖学的構造内の空間的関係をモデル化する,新しいマンバ型ネットワークを提案する。
論文 参考訳（メタデータ） (2025-08-17T15:52:54Z) - ConDiSR: Contrastive Disentanglement and Style Regularization for Single Domain Generalization [42.810247034149214]
医療データは、しばしば分散シフトを示し、標準パイプラインを使用してトレーニングされたディープラーニングモデルのテスト時のパフォーマンス劣化を引き起こす。
本研究は、分類タスクの文脈において、単一ドメインの一般化フレームワークを探索することの重要性と課題を強調した。
論文 参考訳（メタデータ） (2024-03-14T13:50:44Z) - Boundary Guided Semantic Learning for Real-time COVID-19 Lung Infection
Segmentation System [69.40329819373954]
新型コロナウイルス(COVID-19)は、世界中の医療システムに悪影響を及ぼし続けている。
現段階では、新型コロナウイルスの診断と治療には、CT画像から肺感染症領域を自動的に分離することが不可欠である。
本稿では,境界案内型セマンティックラーニングネットワーク(BSNet)を提案する。
論文 参考訳（メタデータ） (2022-09-07T05:01:38Z)
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。