CellMamba：用于准确高效细胞检测的自适应Mamba
计算机视觉与模式识别
2025-12-29 v1 人工智能
摘要
由于目标密集、类间差异细微以及背景杂乱严重，病理图像中的细胞检测面临独特的挑战。在本文中，我们提出了CellMamba，一种专为细粒度生物医学实例检测定制的轻量级、高精度单阶段检测器。CellMamba建立在VSSD骨干网络之上，集成了CellMamba模块，该模块将NC-Mamba或多头自注意力（MSA）与新颖的三映射自适应耦合（TMAC）模块相耦合。TMAC通过将通道分为两个并行分支来增强空间判别能力，这两个分支配备双重特异性和一个共识注意力图，并通过自适应融合来保持局部敏感性和全局一致性。此外，我们设计了一个自适应Mamba头，通过可学习权重融合多尺度特征，以在不同目标尺寸下实现稳健检测。在两个公开数据集CoNSeP和CytoDArk0上的大量实验表明，CellMamba在准确率上优于基于CNN、Transformer和Mamba的基线模型，同时显著减小了模型尺寸并降低了推理延迟。我们的结果验证了CellMamba作为高分辨率细胞检测的高效且有效的解决方案。
引用
@article{arxiv.2512.21803,
title = {CellMamba: Adaptive Mamba for Accurate and Efficient Cell Detection},
author = {Ruochen Liu and Yi Tian and Jiahao Wang and Hongbin Liu and Xianxu Hou and Jingxin Liu},
journal= {arXiv preprint arXiv:2512.21803},
year = {2025}
}
备注
36th British Machine Vision Conference (BMVC 2025)