M⁴Fuse：基于跨尺度门控桥接的轻量级状态空间混合专家网络用于脑肿瘤分割
计算机视觉与模式识别
2026-05-05 v1 机器学习
摘要
许多3D脑肿瘤分割模型因编码器-解码器不平衡以及对大输入体积的依赖，既计算密集又脆弱。我们提出M⁴Fuse，一种轻量级网络，优先考虑判别性脑肿瘤线索而非彻底的外观重建。该方法在编码器和解码器容量之间进行平衡，并以协同设计取代深度扩展：它通过分组状态空间混合器以线性复杂度传递长程上下文，使用跨尺度双阶段门控桥接对skip特征进行去噪和对齐，并通过样本级混合专家吸收跨站点的获取偏移。在BraTS2019和BraTS2021基准上，M⁴Fuse在参数数量和性能方面均优于其他轻量级优秀方法。即使在具有挑战性输入分辨率64×128×128（仅为现有优秀模型的一半）的情况下，M⁴Fuse仍减少了62.63%的参数，并将平均性能提升0.09%。关键组件的消融实验验证了该方法在参数-精度效率和跨数据中心鲁棒性方面的卓越表现。
引用
@article{arxiv.2605.02444,
title = {M\textsuperscript{4}Fuse: Lightweight State-Space MoE with a Cross-Scale Gating Bridge for Brain Tumor Segmentation},
author = {Meihua Zhou and Xinyu Tong and Li Yang},
journal= {arXiv preprint arXiv:2605.02444},
year = {2026}
}
备注
10 pages,3 figures,CVPR 2026 findings