EVM-Fusion：一种带有神经算法融合的可解释视觉 Mamba 架构
计算机视觉与模式识别
2025-08-27 v4 人工智能
摘要
医学图像分类是临床决策中的关键任务，但在准确性、可解释性和可泛化性方面仍面临挑战。本文引入 EVM-Fusion，一种基于神经算法融合（NAF）机制的可解释视觉 Mamba 架构，用于多器官医学图像分类。EVM-Fusion 采用多路径设计，DenseNet 和基于 U-Net 的路径增强了视觉 Mamba（Vim）模块，与传统特征路径并行运行。这些多样化特征通过两阶段融合过程动态集成：跨模态注意力 followed by 迭代的 NAF 块，该块学习自适应融合算法。内在可解释性通过路径特定的空间注意力、Vim Δ 值图、传统特征 SE 注意力以及跨模态注意力权重实现。在多样化的 9 类多器官医学图像数据集上的实验表明，EVM-Fusion 达到了 99.75% 的测试准确率，并提供了对其决策过程的多方位见解，凸显了其在医学诊断中可信赖 AI 的潜力。
引用
@article{arxiv.2505.17367,
title = {EVM-Fusion: An Explainable Vision Mamba Architecture with Neural Algorithmic Fusion},
author = {Zichuan Yang and Yongzhi Wang},
journal= {arXiv preprint arXiv:2505.17367},
year = {2025}
}
备注
8 pages, 3 figures