MasHeNe：基于窗口增强Mamba与频域集成的头颈部CT肿块分割基准
计算机视觉与模式识别
2025-12-03 v2 人工智能
摘要
头颈部肿块是可能压迫气道和食管并可能影响神经和血管的占位性病变。现有公开数据集主要关注恶性病变，经常忽略该区域的其他占位性病变。为填补这一空白，我们引入了MasHeNe，一个包含3779张对比增强CT切片并具有像素级标注的初始数据集，涵盖肿瘤和囊肿。我们还建立了使用标准分割基线的基准，并报告了常用指标以实现公平比较。此外，我们提出了窗口增强Mamba与频域集成（WEMF）模型。WEMF在特征提取前对输入应用三窗口增强以丰富外观。它进一步使用多频注意力在U形Mamba主干内的跳跃连接之间融合信息。在MasHeNe上，WEMF在评估方法中取得了最佳性能，Dice为70.45%，IoU为66.89%，NSD为72.33%，HD95为5.12毫米。该模型在此具有挑战性的任务上表现出稳定且强劲的结果。MasHeNe为超越仅关注恶性肿瘤数据集的头颈部肿块分割提供了基准。观察到的误差模式也表明该任务仍然具有挑战性，需要进一步研究。我们的数据集和代码可在https://github.com/drthaodao3101/MasHeNe.git获取。
引用
@article{arxiv.2512.01563,
title = {MasHeNe: A Benchmark for Head and Neck CT Mass Segmentation using Window-Enhanced Mamba with Frequency-Domain Integration},
author = {Thao Thi Phuong Dao and Tan-Cong Nguyen and Nguyen Chi Thanh and Truong Hoang Viet and Trong-Le Do and Mai-Khiem Tran and Minh-Khoi Pham and Trung-Nghia Le and Minh-Triet Tran and Thanh Dinh Le},
journal= {arXiv preprint arXiv:2512.01563},
year = {2025}
}
备注
The 14th International Symposium on Information and Communication Technology Conference SoICT 2025