NeuroMamba：面向神经元分割的视觉 Mamba 多视角特征交互
计算机视觉与模式识别
2026-01-23 v1
摘要
神经元分割是重建完整神经元连接组的基石，对于破译大脑的功能组织至关重要。神经元不规则的形态和密集交织的结构使得这项任务极具挑战性。主流的基于 CNN 的方法由于缺乏长程上下文，常常无法解决模糊的边界问题；而基于 Transformer 的方法则因分块过程中丢失体素级细节而导致边界不精确。为了解决这些局限性，我们提出了 NeuroMamba，这是一个多视角框架，它利用 Mamba 的线性复杂度实现无分块的全局建模，并使其与互补的局部特征建模协同工作，从而在高效捕获长程依赖的同时，精心保留细粒度的体素细节。具体来说，我们设计了一个通道门控的边界判别特征提取器（BDFE）来增强局部形态学线索。作为补充，我们引入了空间连续特征提取器（SCFE），它将分辨率感知的扫描机制集成到 Visual Mamba 架构中，以自适应地建模不同数据分辨率下的全局依赖关系。最后，一个交叉调制机制协同融合了这些多视角特征。我们的方法在四个公开的 EM 数据集上展示了最先进的性能，验证了其对各向异性和各向同性分辨率的卓越适应性。源代码将公开发布。
引用
@article{arxiv.2601.15929,
title = {NeuroMamba: Multi-Perspective Feature Interaction with Visual Mamba for Neuron Segmentation},
author = {Liuyun Jiang and Yizhuo Lu and Yanchao Zhang and Jiazheng Liu and Hua Han},
journal= {arXiv preprint arXiv:2601.15929},
year = {2026}
}