Mamba 引导边界先验：为广义肠道黏膜分割提供新视角

结肠镜图像中的黏膜肠道肿瘤分割对于早期检测和诊断结直肠癌至关重要。然而，这一任务由于肿瘤形状、大小和颜色的显著差异，以及肿瘤与周围组织的高度相似性，常常因边界模糊而构成重大挑战。虽然现有的编码-解码 CNN 和基于转换器的方法已显示出有前景的结果，但它们在处理边界弱或模糊的肿瘤时表现出有限的分割性能。这些方法在区分肿瘤与非肿瘤以及捕获关键边界线索方面能力有限。此外，它们的通用性仍不足以满足实际临床应用的需求。为了解决这些限制，我们提出了 SAM-MaGuP，这是一种用于稳健肠道黏膜分割的创新方法。通过纳入边界蒸馏模块和 1D-2D Mamba 适配器，SAM-MaGuP 在处理弱边界问题方面表现出色，并通过丰富的全局上下文互动来放大特征学习。广泛的在五个多样化数据集上的评估显示，SAM-MaGuP 在分割精度和鲁棒性方面超越了最先进的方法。我们的关键创新——Mamba 引导的边界先验和 1D-2D Mamba 块——为该领域树立了新的基准，将肠道黏膜分割的边界推向了新高度。