MHMamba：用于 3D 脑肿瘤分割的 Multi-Head Mamba
计算机视觉与模式识别
2026-05-19 v1 人工智能
摘要
脑肿瘤在形态学和多模态对比上表现出高度异质性，使手动逐层描绘耗时且依赖经验，亟需高效稳定的自动化分割方法。为解决 CNN 在建模长程依赖方面的局限，以及 Transformer 在 3D MRI 中的计算和内存开销及跨块上下文不一致的问题，本文提出 Multi-Head Mamba (MHMamba)。该方法将 U 型架构与多头状态空间模型 (Mamba) 结合，将通道维度划分为平行 SSM 头，并通过残差聚合。增强了长程表征，提高了多模态训练的稳定性，同时保持线性复杂度。为进一步对齐统计并增强肿瘤反应，我们设计了用于多头输出的通道-空间校准模块，并在 skip 连接处引入自适应融合机制，动态地将全局语义与局部细节相连接，从而提高边界一致性和小体积肿瘤的检测。我们在 BraTS2021 和 BraTS2023 上进行实验和消融研究。结果表明，MHMamba 在整体准确率、边界平滑度和对肿瘤核心及小体积增强区的灵敏度方面均实现稳定显著的改进，同时保持 Mamba 建模的线性复杂度优势，验证了该方法的有效性和通用性。
引用
@article{arxiv.2605.16464,
title = {MHMamba: Multi-Head Mamba for 3D Brain Tumor Segmentation},
author = {Hanjun Tao and Hua Wang and Fan Zhang},
journal= {arXiv preprint arXiv:2605.16464},
year = {2026}
}
备注
10 pages, 3 figures, 4 tables