GaMNet：融合Gabor滤波与NMamba的高效3D胶质瘤分割混合网络
计算机视觉与模式识别
2025-05-12 v1 人工智能
摘要
胶质瘤是侵袭性脑肿瘤，构成严重健康威胁。深度学习有助于病变分割，但CNN和基于Transformer的模型通常缺乏上下文建模或需要大量计算，限制了移动医疗设备上的实时使用。我们提出GaMNet，集成了NMamba模块用于全局建模和多尺度CNN用于高效的局部特征提取。为提高可解释性并模拟人类视觉系统，我们在多个尺度上应用Gabor滤波器。我们的方法以更少的参数和更快的计算实现了高分割精度。大量实验表明GaMNet优于现有方法，显著减少了假阳性和假阴性，从而提高了临床诊断的可靠性。
引用
@article{arxiv.2505.05520,
title = {GaMNet: A Hybrid Network with Gabor Fusion and NMamba for Efficient 3D Glioma Segmentation},
author = {Chengwei Ye and Huanzhen Zhang and Yufei Lin and Kangsheng Wang and Linuo Xu and Shuyan Liu},
journal= {arXiv preprint arXiv:2505.05520},
year = {2025}
}