論文の概要: U-PEN Mamba: Progressive Expansion with Selective State-Space Modeling for Efficient Retinal Vessel Segmentation

• arxiv url: http://arxiv.org/abs/2609.24049v1
• Date: Mon, 21 Sep 2026 03:20:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:01.046675
• Title: U-PEN Mamba: Progressive Expansion with Selective State-Space Modeling for Efficient Retinal Vessel Segmentation
• Title（参考訳）: U-PEN Mamba:高効率網膜血管セグメンテーションのための選択状態空間モデリングによる進歩的拡張
• Abstract要約: U-PEN Mambaは、プログレッシブ非線形特徴展開と選択的状態空間モデリングを結合したU字型網膜血管セグメンテーションアーキテクチャである。 パッチベースの前処理パイプラインを用いて,CHASE DB1およびDRIVE上でのU-PEN Mambaの評価を行った。
• 参考スコア（独自算出の注目度）: 9.373474565727786
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate retinal vessel segmentation is important for computer-aided ophthalmic analysis, yet thin vessels, low contrast, and severe foreground-background imbalance remain challenging for encoder-decoder networks. This paper presents U-PEN Mamba, a U-shaped retinal vessel segmentation architecture that couples progressive nonlinear feature expansion with selective state-space modeling. The proposed network enriches local vessel responses with progressive expansion, models long-range spatial dependencies through a Mamba Global Context (MGC) block with linear sequence complexity, and uses attention-based decoder fusion to recover fine vascular boundaries. We evaluate U-PEN Mamba on CHASE DB1 and DRIVE using a consistent patch-based preprocessing pipeline and compare it with convolutional, attention-based, transformer-based, and Mamba-based segmentation baselines. U-PEN Mamba obtains the best mean intersection over union among the compared methods, achieving 0.8394 on CHASE DB1 and 0.8221 on DRIVE, with Dice scores of 0.8187 and 0.8078, respectively, using 21.6M trainable parameters. Ablation studies show that the MGC block contributes the largest gain over the U-Net baseline, while projection dimension and state size provide practical accuracy-efficiency control. These results indicate that selective state-space modeling is a promising global-context mechanism for parameter-efficient retinal vessel segmentation. Code is available at: https://github.com/areyesan/UPEN_Mamba.
• Abstract（参考訳）: 正確な網膜血管分割は, コンピュータ支援眼科検査において重要であるが, 細い血管, 低コントラスト, 重度の前景不均衡は, エンコーダ・デコーダネットワークでは依然として困難である。 本稿では, プログレッシブ非線形特徴展開と選択的状態空間モデリングを併用したU字型網膜血管セグメンテーションアーキテクチャであるU-PEN Mambaを提案する。 提案するネットワークは局所血管応答を進行的拡張で強化し,Mamba Global Context (MGC)ブロックを線形シーケンスの複雑なブロックでモデル化し,注意に基づくデコーダ融合を用いて細血管境界を復元する。 本稿では,CHASE DB1およびDRIVE上のU-PEN Mambaを一貫したパッチベース前処理パイプラインを用いて評価し,コンボリューション,アテンションベース,トランスフォーマーベース,およびマンバベースセグメンテーションベースラインと比較する。 U-PEN Mamba は、比較した手法の中で最も平均的な結合を求め、CHASE DB1 では 0.8394 、DRIVE では 0.8221 、Dice では 0.8187 と 0.8078 のスコアを21.6M のトレーニング可能なパラメータを用いて達成した。 アブレーション研究により、MGCブロックはU-Netベースラインよりも最大利得を達成し、プロジェクション次元と状態サイズは実用的な精度と効率の制御を提供することが示された。 これらの結果から, 選択状態空間モデリングは, パラメータ効率のよい網膜血管セグメンテーションにおいて, 有望なグローバルコンテキスト機構であることが示唆された。 コードは、https://github.com/areyesan/UPEN_Mamba.comで入手できる。

関連論文リスト

• CMAMBADEPTH: Self-supervised Monocular Depth Estimation with Channel Mamba and Hybrid Attention [9.995443907156341]
  CMambaDepthは、効率的なマルチスケール機能融合ときめ細かいコンテキストモデリングを実現する、自己教師型フレームワークである。 KITTIでは0.094のAbsRelと4.156のRMSE、DDADでは0.140のAbsRelが得られる。
  論文  参考訳（メタデータ） (2026-09-21T12:31:24Z)
• An Ultra-Widefield Swept-Source OCTA Dataset and a Polar-Gated Mamba Network for Retinal Vessel Segmentation [9.214752535301894]
  WOIVESは、UWF SS- OCTA船体分離データセットとして初めて公開された。 WOIVESはエンメトロピアを高いミオピアに広げ、軟らかい確率容器アノテーションを提供する。 2つの相補的な極座標スキャン順序で従来の方向スキャンを強化する視覚状態空間モデルPG-Mambaを提案する。
  論文  参考訳（メタデータ） (2026-09-11T08:25:23Z)
• 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)
• COREY: Entropy-Guided Runtime Chunk Scheduling for Selective Scan Kernels [11.316541559874864]
  プロトタイプスケジューラは、固定幅ヒストグラムを用いて推定したアクティベーションエントロピーを、チャンクサイズ選択のランタイム信号として利用する。 COREYはConcept and Feasibilityのコントリビューションとして位置づけられている。 この作業には、Tier 2aとTier 2bを接続する完全なエンドツーエンド実行が含まれていない。
  論文  参考訳（メタデータ） (2026-04-12T12:07:48Z)
• MM-UNet: Morph Mamba U-shaped Convolutional Networks for Retinal Vessel Segmentation [21.90972169495466]
  MM-UNetは、効率的な網膜血管分割に適した新しいアーキテクチャである。 Morph Mamba Convolution 層が組み込まれており、分岐したトポロジカルな知覚を高めるためにポイントワイズ・コンボリューションを置き換える。 DRIVEで1.64%、STAREで1.25%のF1スコアゲインを達成し、その効果と進歩を示す。
  論文  参考訳（メタデータ） (2025-11-04T02:18:25Z)
• VRS-UIE: Value-Driven Reordering Scanning for Underwater Image Enhancement [104.78586859995333]
  状態空間モデル(SSM)は、線形複雑性と大域的受容場のために、視覚タスクの有望なバックボーンとして登場した。 大型で均質だが無意味な海洋背景の優位性は、希少で価値ある標的の特徴表現応答を希薄にすることができる。 水中画像強調(UIE)のための新しい値駆動リダクションスキャンフレームワークを提案する。 本フレームワークは, 水バイアスを効果的に抑制し, 構造や色彩の忠実さを保ち, 優れた向上性能(WMambaを平均0.89dB超える)を実現する。
  論文  参考訳（メタデータ） (2025-05-02T12:21:44Z)
• A Novel Hybrid Approach for Retinal Vessel Segmentation with Dynamic Long-Range Dependency and Multi-Scale Retinal Edge Fusion Enhancement [0.3611754783778107]
  既存の方法は、マルチスケールの船の変動性、複雑な曲率、曖昧な境界といった課題に対処する。 本稿では,CNNとMambaを相乗的に統合した新しいハイブリッドフレームワークを提案する。 本手法は血管の連続性維持と低コントラスト領域の血管の分断を効果的に行う上で,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2025-04-18T08:41:35Z)
• LaMamba-Diff: Linear-Time High-Fidelity Diffusion Models Based on Local Attention and Mamba [54.85262314960038]
  局所的意図的マンバブロックは、大域的コンテキストと局所的詳細の両方を線形複雑性でキャプチャする。 このモデルは, 256x256の解像度で, ImageNet上の様々なモデルスケールでDiTの性能を上回り, 優れたスケーラビリティを示す。 ImageNet 256x256 と 512x512 の最先端拡散モデルと比較すると,最大 62% GFLOP の削減など,我々の最大のモデルには顕著な利点がある。
  論文  参考訳（メタデータ） (2024-08-05T16:39:39Z)
• DepthFormer: Exploiting Long-Range Correlation and Local Information for Accurate Monocular Depth Estimation [50.08080424613603]
  高精度な単分子深度推定には長距離相関が不可欠である。 我々は,このグローバルコンテキストを効果的な注意機構でモデル化するためにTransformerを活用することを提案する。 提案したモデルであるDepthFormerは、最先端のモノクル深度推定手法をはるかに超えている。
  論文  参考訳（メタデータ） (2022-03-27T05:03:56Z)

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。