基于 Visual Mamba 的上下文门控跨模态感知用于 PET-CT 肺癌肿瘤分割
计算机视觉与模式识别
2025-11-03 v1 人工智能
摘要
准确的肺癌肿瘤分割对于改善诊断和治疗规划至关重要，有效地整合 PET 和 CT 扫描图像中的解剖信息和功能信息仍是一个主要挑战。本研究提出了vMambaX，一个轻量级多模态框架，通过上下文门控跨模态感知模块（CGM）整合 PET 和 CT 扫描图像。基于 Visual Mamba 架构构建的vMambaX能够自适应增强跨模态特征互动，强调信息丰富的区域同时抑制噪声。在PCLT20K数据集上进行的评估表明，该模型在保持较低计算复杂度的同时优于基线模型。这些结果凸显了自适应跨模态门控技术用于多模态肿瘤分割的有效性，并展示了vMambaX作为一种高效且可扩展的肺癌精细分析框架的潜力。代码已公开于 https://github.com/arco-group/vMambaX。
引用
@article{arxiv.2510.27508,
title = {Context-Gated Cross-Modal Perception with Visual Mamba for PET-CT Lung Tumor Segmentation},
author = {Elena Mulero Ayllón and Linlin Shen and Pierangelo Veltri and Fabrizia Gelardi and Arturo Chiti and Paolo Soda and Matteo Tortora},
journal= {arXiv preprint arXiv:2510.27508},
year = {2025}
}