DSVM-UNet：通过双向自蒸馈增强 VM-UNet 用于医学图像分割
计算机视觉与模式识别
2026-05-07 v2
摘要
Vision Mamba 模型在各领域得到广泛研究，旨在以线性时间开销有效管理长程依赖。近期研究进一步基于 UNet (VM-UNet) 设计用于医学图像分割。这些方法主要侧重通过创建更复杂的结构来优化架构设计，以增强模型感知语义特征的能力。本文提出一种简单而有效的方法，通过双向自蒸馈 (Dual Self-distillation) 改进 VM-UNet (DSVM-UNet)，无需任何复杂的架构设计。为实现目标，我们开发了在全局和局部层面对齐特征的双重自蒸馈方法。在 ISIC2017、ISIC2018 和 Synapse 数据集上进行的大量实验表明，我们的方法在保持计算效率的同时实现了最先进的性能。代码已在 https://github.com/RoryShao/DSVM-UNet.git 提供。
引用
@article{arxiv.2601.19690,
title = {DSVM-UNet : Enhancing VM-UNet with Dual Self-distillation for Medical Image Segmentation},
author = {Renrong Shao and Dongyang Li and Dong Xia and Lin Shao and Jiangdong Lu and Fen Zheng and Lulu Zhang},
journal= {arXiv preprint arXiv:2601.19690},
year = {2026}
}
备注
5 pages, 1 figures