MSV-Mamba：用于心导图分割的多尺度视觉Mamba网络
图像与视频处理
2025-01-14 v1 计算机视觉与模式识别
摘要
超声成像常面临挑战，如噪声水平升高、时空分辨率下降以及解剖结构的复杂性。这些因素显著阻碍模型准确捕捉和分析心脏各区域结构关系和动态模式。Mamba是一种新兴模型，广泛应用于多种视觉和语言任务，是当前最前沿的方法之一。为此，本文引入了一个集成大窗口Mamba尺度（LMS）模块和层次特征融合方法的U型深度学习模型，用于心导图分割。首先，采用级联残差块作为编码器，逐步提取多尺度细节特征。其次，将大窗口多尺度Mamba模块集成到解码器中，以捕获跨区域的全局依赖关系，增强对复杂解剖结构的分割能力。此外，本模型在每个解码器层引入辅助损失，并采用双注意力机制对多层特征在空间和通道维度进行融合。该方法提高了对复杂解剖结构描绘的分割性能和准确性。最后，利用EchoNet-Dynamic和CAMUS数据集的实验结果表明，该模型在准确性和鲁棒性方面均优于其他方法。对于左心室内皮膜（）的分割，模型分别获得最佳值95.01和93.36，而对于左心室外皮（），分别获得87.35和87.80的值。这代表了与最佳-performing模型相比，改进幅度介于0.54至1.11之间。
引用
@article{arxiv.2501.07120,
title = {MSV-Mamba: A Multiscale Vision Mamba Network for Echocardiography Segmentation},
author = {Xiaoxian Yang and Qi Wang and Kaiqi Zhang and Ke Wei and Jun Lyu and Lingchao Chen},
journal= {arXiv preprint arXiv:2501.07120},
year = {2025}
}