ASP-VMUNet：用于皮肤病变分割的空洞移位并行视觉 Mamba U-Net
图像与视频处理
2025-03-26 v1 计算机视觉与模式识别
摘要
皮肤病变分割是计算机视觉中的一项关键挑战，准确地将病理特征与健康皮肤分离对于诊断至关重要。传统的卷积神经网络（CNNs）受限于狭窄的感受野，而 Transformer 则面临显著的计算开销。本文提出了一种新颖的皮肤病变分割框架——空洞移位并行视觉 Mamba UNet（ASP-VMUNet），它集成了高效且可扩展的 Mamba 架构，以克服传统 CNN 和计算密集型 Transformer 的局限性。该框架引入了一种空洞扫描技术，可最大限度地减少背景干扰并扩大感受野，从而增强 Mamba 的扫描能力。此外，并行视觉 Mamba（PVM）层和移位轮询操作的引入优化了特征分割，并促进了段间丰富的信息交换。带有选择性核（SK）块的补充 CNN 分支通过融合局部与全局上下文信息进一步细化了分割结果。在四个基准数据集（ISIC16/17/18 和 PH2）上的测试表明，ASP-VMUNet 在皮肤病变分割中表现出卓越的性能，并通过全面的消融研究得到验证。该方法不仅推动了医学图像分割的发展，还凸显了混合架构在医学影像技术中的优势。代码可在 https://github.com/BaoBao0926/ASP-VMUNet/tree/main 获取。
引用
@article{arxiv.2503.19427,
title = {ASP-VMUNet: Atrous Shifted Parallel Vision Mamba U-Net for Skin Lesion Segmentation},
author = {Muyi Bao and Shuchang Lyu and Zhaoyang Xu and Qi Zhao and Changyu Zeng and Wenpei Bai and Guangliang Cheng},
journal= {arXiv preprint arXiv:2503.19427},
year = {2025}
}