基于自适应卷积与Mamba的皮肤瘤分割增强架构——AC-MAMBASEG
计算机视觉与模式识别
2024-05-07 v1 人工智能
摘要
皮肤瘤分割是计算机辅助诊断皮肤病变的关键任务。准确分割皮肤瘤对于早期检测、诊断和治疗规划至关重要。本文提出一种新型皮肤瘤分割模型AC-MambaSeg，采用混合CNN-Mamba结构，并集成卷积块注意力模块（CBAM）、注意力门和选择性核瓶颈等先进组件。AC-MambaSeg利用视觉Mamba框架实现高效特征提取，CBAM和选择性核瓶颈增强其对信息丰富区域的聚焦能力，抑制背景噪声。我们在包括ISIC-2018和PH2在内的多样化皮肤瘤图像数据集上评估了AC-MambaSeg性能，并与现有分割方法进行比较。实验结果表明，AC-MambaSeg在改善计算机辅助诊断系统、促进皮肤病变的早期检测和治疗方面展现出巨大的潜力。源码将公开于：https://github.com/vietthanh2710/AC-MambaSeg
引用
@article{arxiv.2405.03011,
title = {AC-MAMBASEG: An adaptive convolution and Mamba-based architecture for enhanced skin lesion segmentation},
author = {Viet-Thanh Nguyen and Van-Truong Pham and Thi-Thao Tran},
journal= {arXiv preprint arXiv:2405.03011},
year = {2024}
}
备注
15 pages, 7 figures, 4 tables