DB-MSMUNet：用于胰腺 CT 扫描分割的双分支多尺度 Mamba UNet
计算机视觉与模式识别
2026-01-09 v1
摘要
在 CT 扫描中准确分割胰腺及其病灶对于胰腺癌的精确诊断和治疗至关重要。然而，由于与周围器官的组织对比度低、解剖边界模糊、器官形状不规则以及病灶尺寸小等因素，这仍然是一项极具挑战性的任务。为了解决这些问题，我们提出了 DB-MSMUNet（双分支多尺度 Mamba UNet），一种专为鲁棒胰腺分割设计的新型编码器-解码器架构。编码器使用多尺度 Mamba 模块构建，该模块结合了可变形卷积和多尺度状态空间建模，以增强全局上下文建模和局部变形适应能力。该网络采用双解码器设计：边缘解码器引入边缘增强路径以显式捕获边界线索并细化模糊轮廓，而区域解码器结合多层解码器，通过利用多尺度深度语义特征来保留细粒度细节并准确重建小病灶。此外，在两个解码器的多个尺度上添加了辅助深度监督头，以提供更准确的梯度反馈并进一步增强多尺度特征的判别能力。我们在三个数据集上进行了广泛实验：NIH 胰腺数据集、MSD 数据集以及合作医院提供的临床胰腺肿瘤数据集。DB-MSMUNet 分别达到了 89.47\%、87.59\% 和 89.02\% 的 Dice 相似系数，在分割准确性、边缘保持和跨数据集鲁棒性方面优于大多数现有的最先进方法。这些结果证明了所提方法在真实世界胰腺 CT 分割任务中的有效性和泛化能力。
引用
@article{arxiv.2601.04676,
title = {DB-MSMUNet:Dual Branch Multi-scale Mamba UNet for Pancreatic CT Scans Segmentation},
author = {Qiu Guan and Zhiqiang Yang and Dezhang Ye and Yang Chen and Xinli Xu and Ying Tang},
journal= {arXiv preprint arXiv:2601.04676},
year = {2026}
}