Buchumschlag

Swin SMT: Global Sequential Modeling in 3D Medical Image Segmentation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Płotka, Szymon, Chrabaszcz, Maciej, Biecek, Przemyslaw
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Image and Video Processing Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Mamba Goes HoME: Hierarchical Soft Mixture-of-Experts for 3D Medical Image Segmentation
von: Płotka, Szymon, et al.
Veröffentlicht: (2025)

Underestimation of lung regions on chest X-ray segmentation masks assessed by comparison with total lung volume evaluated on computed tomography
von: Bombiński, Przemysław, et al.
Veröffentlicht: (2024)

Aggregated Attributions for Explanatory Analysis of 3D Segmentation Models
von: Chrabaszcz, Maciej, et al.
Veröffentlicht: (2024)

SimuScope: Realistic Endoscopic Synthetic Dataset Generation through Surgical Simulation and Diffusion Models
von: Martyniak, Sabina, et al.
Veröffentlicht: (2024)

GEPAR3D: Geometry Prior-Assisted Learning for 3D Tooth Segmentation
von: Szczepański, Tomasz, et al.
Veröffentlicht: (2025)

DM-SegNet: Dual-Mamba Architecture for 3D Medical Image Segmentation with Global Context Modeling
von: Ji, Hangyu
Veröffentlicht: (2025)

SAM3D: Segment Anything Model in Volumetric Medical Images
von: Bui, Nhat-Tan, et al.
Veröffentlicht: (2023)

Conformal Lesion Segmentation for 3D Medical Images
von: Tan, Binyu, et al.
Veröffentlicht: (2025)

SAM3D: Zero-Shot Semi-Automatic Segmentation in 3D Medical Images with the Segment Anything Model
von: Chan, Trevor J., et al.
Veröffentlicht: (2024)

GASA-UNet: Global Axial Self-Attention U-Net for 3D Medical Image Segmentation
von: Sun, Chengkun, et al.
Veröffentlicht: (2024)

Swin-X2S: Reconstructing 3D Shape from 2D Biplanar X-ray with Swin Transformers
von: Liu, Kuan, et al.
Veröffentlicht: (2025)

FastSAM3D: An Efficient Segment Anything Model for 3D Volumetric Medical Images
von: Shen, Yiqing, et al.
Veröffentlicht: (2024)

SwinVFTR: A Novel Volumetric Feature-learning Transformer for 3D OCT Fluid Segmentation
von: Hossain, Khondker Fariha, et al.
Veröffentlicht: (2023)

3D Medical Imaging Segmentation on Non-Contrast CT
von: Gang, Canxuan, et al.
Veröffentlicht: (2025)

Selecting the Best Sequential Transfer Path for Medical Image Segmentation with Limited Labeled Data
von: Yang, Jingyun, et al.
Veröffentlicht: (2024)

SAM & SAM 2 in 3D Slicer: SegmentWithSAM Extension for Annotating Medical Images
von: Yildiz, Zafer, et al.
Veröffentlicht: (2024)

Multi-task learning for classification, segmentation, reconstruction, and detection on chest CT scans
von: Hryniewska-Guzik, Weronika, et al.
Veröffentlicht: (2023)

Improving 3D Medical Image Segmentation at Boundary Regions using Local Self-attention and Global Volume Mixing
von: Kareem, Daniya Najiha Abdul, et al.
Veröffentlicht: (2024)

On The Robustness of Foundational 3D Medical Image Segmentation Models Against Imprecise Visual Prompts
von: Chattopadhyay, Soumitri, et al.
Veröffentlicht: (2026)

Adenocarcinoma Segmentation Using Pre-trained Swin-UNet with Parallel Cross-Attention for Multi-Domain Imaging
von: Qayyum, Abdul, et al.
Veröffentlicht: (2024)

The Effect of Lossy Compression on 3D Medical Images Segmentation with Deep Learning
von: Kurmukov, Anvar, et al.
Veröffentlicht: (2024)

A Novel Convolutional-Free Method for 3D Medical Imaging Segmentation
von: Gang, Canxuan
Veröffentlicht: (2025)

Let Me DeCode You: Decoder Conditioning with Tabular Data
von: Szczepański, Tomasz, et al.
Veröffentlicht: (2024)

Foundation AI Model for Medical Image Segmentation
von: Bao, Rina, et al.
Veröffentlicht: (2024)

X-ray transferable polyrepresentation learning
von: Hryniewska-Guzik, Weronika, et al.
Veröffentlicht: (2025)

M3DA: Benchmark for Unsupervised Domain Adaptation in 3D Medical Image Segmentation
von: Shirokikh, Boris, et al.
Veröffentlicht: (2025)

3D-EffiViTCaps: 3D Efficient Vision Transformer with Capsule for Medical Image Segmentation
von: Gan, Dongwei, et al.
Veröffentlicht: (2024)

Anatomically-Controllable Medical Image Generation with Segmentation-Guided Diffusion Models
von: Konz, Nicholas, et al.
Veröffentlicht: (2024)

Lesion Segmentation in FDG-PET/CT Using Swin Transformer U-Net 3D: A Robust Deep Learning Framework
von: Guha, Shovini, et al.
Veröffentlicht: (2026)

Adapting Segment Anything Model 3 for Concept-Driven Lesion Segmentation in Medical Images: An Experimental Study
von: Xu, Guoping, et al.
Veröffentlicht: (2026)

Segment Anything in Medical Images
von: Ma, Jun, et al.
Veröffentlicht: (2023)

Susceptibility of Adversarial Attack on Medical Image Segmentation Models
von: Wang, Zhongxuan, et al.
Veröffentlicht: (2024)

Zero-shot 3D Segmentation of Abdominal Organs in CT Scans Using Segment Anything Model 2: Adapting Video Tracking Capabilities for 3D Medical Imaging
von: Yamagishi, Yosuke, et al.
Veröffentlicht: (2024)

Structure Unbiased Adversarial Model for Medical Image Segmentation
von: Zhang, Tianyang, et al.
Veröffentlicht: (2022)

SAM2-3dMed: Empowering SAM2 for 3D Medical Image Segmentation
von: Yang, Yeqing, et al.
Veröffentlicht: (2025)

Segment Anything Model for Medical Image Segmentation: Current Applications and Future Directions
von: Zhang, Yichi, et al.
Veröffentlicht: (2024)

DeSAM: Decoupled Segment Anything Model for Generalizable Medical Image Segmentation
von: Gao, Yifan, et al.
Veröffentlicht: (2023)

PathSeqSAM: Sequential Modeling for Pathology Image Segmentation with SAM2
von: Zhu, Mingyang, et al.
Veröffentlicht: (2025)

Are Vision xLSTM Embedded UNet More Reliable in Medical 3D Image Segmentation?
von: Dutta, Pallabi, et al.
Veröffentlicht: (2024)

Enhancing Weakly Supervised 3D Medical Image Segmentation through Probabilistic-aware Learning
von: Jiang, Runmin, et al.
Veröffentlicht: (2024)