HC-Mamba：结合混合卷积技术的 Vision Mamba 用于医学图像分割
图像与视频处理
2024-10-03 v4 计算机视觉与模式识别
摘要
自动医学图像分割技术具有加速病理诊断的潜力，从而提高患者护理的效率。然而，医学图像通常具有复杂的纹理和结构，并且由于下采样，模型经常面临图像分辨率降低和信息丢失的问题。为了解决这个问题，我们提出了 HC-Mamba，一种基于现代状态空间模型 Mamba 的新型医学图像分割模型。具体而言，我们在 HC-Mamba 模型中引入了空洞卷积技术，通过扩展卷积核的感受野，在不增加计算成本的情况下捕获更广泛的上下文信息。此外，HC-Mamba 模型采用深度可分离卷积，显著减少了模型的参数数量和计算量。通过结合空洞卷积和深度可分离卷积，HC-Mamba 能够在保持高水平性能的同时，以低得多的计算成本处理大规模医学图像数据。我们在包括器官分割和皮肤病变在内的分割任务上进行了综合实验，并在 Synapse、ISIC17 和 ISIC18 上进行了大量实验，以证明 HC-Mamba 模型在医学图像分割中的潜力。实验结果表明，HC-Mamba 在所有这些数据集上均展现出有竞争力的性能，从而证明了其在医学图像分割中的有效性和实用性。
引用
@article{arxiv.2405.05007,
title = {HC-Mamba: Vision MAMBA with Hybrid Convolutional Techniques for Medical Image Segmentation},
author = {Jiashu Xu},
journal= {arXiv preprint arXiv:2405.05007},
year = {2024}
}
备注
3figures, 3tabels, fixed data leak