MambaMIR：用于联合医学图像重建与不确定性估计的任意掩码Mamba模型
图像与视频处理
2024-06-27 v3 计算机视觉与模式识别
摘要
最近的Mamba模型显示出在视觉表示学习方面的显著适应性，包括在医学成像任务中。本研究引入MambaMIR，一种基于Mamba的医学图像重建模型，以及其基于生成对抗网络（GAN）的变体MambaMIR-GAN。我们 proposed的MambaMIR继承了来自原始Mamba模型的若干优势，包括线性复杂度、全局感受野和动态权重。创新的任意掩码机制有效地将Mamba适应我们的图像重建任务，为后续基于蒙特卡洛的方法不确定性估计提供了随机性。在各种医学图像重建任务上的实验，包括快速MRI和SVCT，涵盖膝关节、胸部和腹部等解剖区域，表明MambaMIR和MambaMIR-GAN相对于最先进的方法实现了相当甚至更好的重建结果。此外，估计的不确定性图还提供了对重建质量可靠性的进一步见解。该代码已公开available at https://github.com/ayanglab/MambaMIR。
引用
@article{arxiv.2402.18451,
title = {MambaMIR: An Arbitrary-Masked Mamba for Joint Medical Image Reconstruction and Uncertainty Estimation},
author = {Jiahao Huang and Liutao Yang and Fanwen Wang and Yang Nan and Angelica I. Aviles-Rivero and Carola-Bibiane Schönlieb and Daoqiang Zhang and Guang Yang},
journal= {arXiv preprint arXiv:2402.18451},
year = {2024}
}