HybridMamba：用于3D医学图像分割的双域Mamba模型
计算机视觉与模式识别
2025-09-19 v1
摘要
在3D生物医学图像分割领域，Mamba模型展现出优异性能，原因在于其解决了CNN在建模长程依赖关系时的局限性，同时缓解了基于Transformer框架在处理高分辨率医学体积数据时计算开销巨大的瓶颈。然而，过度强调全局上下文建模可能无意中损害关键的局部结构信息，从而导致分割输出中的边界模糊和区域变形。因此，我们提出了HybridMamba，一种采用双重互补机制的架构：1）采用特征扫描策略，逐步整合沿轴向遍历和局部自适应路径的表征，以协调局部与全局表征之间的关系；2）引入门控模块，结合空间-频率分析，实现全面的上下文建模。此外，我们收集了一个与肺癌相关的多中心CT数据集。实验在MRI和CT数据集上表明，HybridMamba在3D医学图像分割任务中显著优于当前最先进的方法。
引用
@article{arxiv.2509.14609,
title = {HybridMamba: A Dual-domain Mamba for 3D Medical Image Segmentation},
author = {Weitong Wu and Zhaohu Xing and Jing Gong and Qin Peng and Lei Zhu},
journal= {arXiv preprint arXiv:2509.14609},
year = {2025}
}