MambaU-Lite：基于Mamba集成通道-空间注意力的轻量级皮肤病灶分割模型
计算机视觉与模式识别
2024-12-03 v1 人工智能
摘要
早期检测皮肤异常对于诊断和治疗皮肤癌至关重要。使用AI驱动设备对受影响皮肤区域进行分割相对常见，支持诊断过程。然而，由于需要高分辨率图像且单个病灶边界往往不清晰，实现高性能仍是一大挑战。同时，医疗器设备要求分割模型具有小内存占用和低计算成本。基于这些要求，我们引入了名为MambaU-Lite的新型轻量级模型，将Mamba和CNN架构的优势结合起来，参数仅超过40万，计算成本超过1G浮点运算次数。为增强全局上下文和局部特征提取，我们提出了P-Mamba模块，一种新型组件将 VSS模块与多个池化层结合，使模型能够有效学习多尺度特征并提升分割性能。我们在两个皮肤数据集ISIC2018和PH2上评估了该模型，结果令人鼓舞。我们的源代码将公开发布于：https://github.com/nqnguyen812/MambaU-Lite。
引用
@article{arxiv.2412.01405,
title = {MambaU-Lite: A Lightweight Model based on Mamba and Integrated Channel-Spatial Attention for Skin Lesion Segmentation},
author = {Thi-Nhu-Quynh Nguyen and Quang-Huy Ho and Duy-Thai Nguyen and Hoang-Minh-Quang Le and Van-Truong Pham and Thi-Thao Tran},
journal= {arXiv preprint arXiv:2412.01405},
year = {2024}
}
备注
10 pages, 3 figures, 2 tables