CECT-Mamba：一种基于多期 CECT 的胰腺肿瘤分型分层对比增强感知模型
计算机视觉与模式识别
2025-09-17 v1 人工智能
摘要
对比增强计算机断层扫描（CECT）是提供病灶时空信息的主要成像技术，能够对胰腺肿瘤进行准确诊断和亚分类。然而，胰腺肿瘤的高异质性和变异性仍对精确的分型诊断构成重大挑战。现有方法未能有效探索放射科医生诊断工作流中常用的多期 CECT 之间的上下文信息，从而限制了其性能。本文首次引入了一种结合多期 CECT 数据以区分胰腺肿瘤亚型的自动化方法，其核心在于利用具有良好可学习性与简洁性的 Mamba，以促进多期 CECT 的时空建模。具体而言，我们提出了一个双分层对比增强感知 Mamba 模块，结合两种新颖的空间与时间采样序列，以探索病灶的期相内与期相间对比度变化。此外，在时间扫描建模中引入了相似性引导的细化模块，以强调对具有更明显时间变化的局部肿瘤区域的学习。而且，我们设计了空间互补积分器和多粒度融合模块，以编码和聚合不同尺度的语义信息，从而实现更高效的胰腺肿瘤分型学习。在包含 270 个临床病例的内部数据集上的实验结果表明，该方法在区分胰腺导管腺癌（PDAC）与胰腺神经内分泌肿瘤（PNETs）时达到了 97.4% 的准确率和 98.6% 的 AUC，证明了其作为更准确、更高效工具的潜力。
引用
@article{arxiv.2509.12777,
title = {CECT-Mamba: a Hierarchical Contrast-enhanced-aware Model for Pancreatic Tumor Subtyping from Multi-phase CECT},
author = {Zhifang Gong and Shuo Gao and Ben Zhao and Yingjing Xu and Yijun Yang and Shenghong Ju and Guangquan Zhou},
journal= {arXiv preprint arXiv:2509.12777},
year = {2025}
}