效率与恢复之间的平衡：用于CT金属伪影去除的轻量级Mamba模型
计算机视觉与模式识别
2026-04-09 v1
摘要
在计算机断层扫描成像中，金属植入物经常产生严重伪影，损害图像质量并阻碍诊断准确性。现有方法面临三个主要挑战：器官和组织结构的退化、对正弦图数据的依赖，以及资源使用与恢复效率之间的不平衡。为解决这些问题，我们引入了MARMamba，它能有效消除不同尺寸金属引起的伪影，同时保持图像中原始解剖结构的完整性。此外，该模型仅关注受金属伪影影响的CT图像，从而无需额外的输入数据。该模型是一个精简的UNet架构，其核心模块为多尺度Mamba（MS-Mamba）。在MS-Mamba中，翻转Mamba块通过从多个方向分析图像来捕获全面的上下文信息。随后，平均最大前馈网络将关键特征与平均特征整合以抑制伪影。这种组合使MARMamba能够高效地减少伪影。实验结果表明，我们的模型在减少金属伪影方面表现出色，相比其他模型具有明显优势。它还在计算需求、内存使用和参数数量之间取得了最优平衡，突显了其在现实世界中的实际应用价值。所提出的模型代码可在以下地址获取：https://github.com/RICKand-MORTY/MARMamba。
引用
@article{arxiv.2604.06622,
title = {Balancing Efficiency and Restoration: Lightweight Mamba-Based Model for CT Metal Artifact Reduction},
author = {Weikai Qu and Sijun Liang and Xianfeng Li and Cheng Pan and An Yan and Ahmed Elazab and Shanzhou Niu and Dong Zeng and Xiang Wan and Changmiao Wang},
journal= {arXiv preprint arXiv:2604.06622},
year = {2026}
}
备注
Accepted by IEEE Transactions on Radiation and Plasma Medical Sciences