MambaVesselNet++：一种用于医学图像分割的混合CNN-Mamba架构
计算机视觉与模式识别
2025-07-29 v1
摘要
医学图像分割在计算机辅助诊断中发挥着重要作用。传统的基于卷积的U型分割架构通常受限于局部感受野的限制。现有的视觉Transformer已被广泛应用于多样化的医学分割框架中，因其在捕捉全局上下文方面的优势。尽管存在这种优势，但视觉Transformer的非线性自注意力机制给实际应用带来了巨大的计算成本挑战。为此，近年来因其在建模序列数据中有效捕捉长程依赖、内存成本低的选择性状态空间模型（SSM）Mamba备受青睞。本文提出MambaVesselNet++，一种用于医学图像分割的混合CNN-Mamba框架。我们的MambaVesselNet++由混合图像编码器（Hi-Encoder）和双焦点融合解码器（BF-Decoder）组成。在Hi-Encoder中，我们首先设计了纹理感知层，通过利用卷积来捕捉低层语义特征。然后，我们利用Mamba以线性复杂度有效地建模长程依赖。双焦解码器采用跳跃连接将Hi-Encoder的局部和全局信息融合，以实现对分割掩码的精确生成。广泛的实验表明，MambaVesselNet++在 diverse 医学2D、3D和实例分割任务中超越了当前基于卷积、基于Transformer和基于Mamba的前沿方法。代码已公开https://github.com/CC0117/MambaVesselNet。
引用
@article{arxiv.2507.19931,
title = {MambaVesselNet++: A Hybrid CNN-Mamba Architecture for Medical Image Segmentation},
author = {Qing Xu and Yanming Chen and Yue Li and Ziyu Liu and Zhenye Lou and Yixuan Zhang and Xiangjian He},
journal= {arXiv preprint arXiv:2507.19931},
year = {2025}
}
备注
Accepted by TOMM