OCTAMamba：用于精准 OCTA 血管分割的状态空间模型方法
图像与视频处理
2025-01-03 v2 计算机视觉与模式识别
摘要
光学相干断层扫描血管成像（OCTA）是可视化视网膜血管和诊断糖尿病视网膜病变及青光眼等眼部疾病的关键成像技术。然而，由于多尺度血管结构以及图像质量差和眼部病变产生的噪声，OCTA 血管的精准分割仍具挑战性。在本研究中，我们提出了 OCTAMamba，这是一种基于 Mamba 架构的新型 U 型网络，旨在准确分割 OCTA 中的血管。OCTAMamba 集成了用于局部特征提取的四流高效挖掘嵌入模块、用于捕获多尺度血管的多尺度膨胀非对称卷积模块，以及用于过滤噪声和突出目标区域的聚焦特征重校准模块。我们的方法在保持线性复杂度的同时实现了高效的全局建模和局部特征提取，使其适用于低算力的医疗应用。在 OCTA 3M、OCTA 6M 和 ROSSA 数据集上的大量实验表明，OCTAMamba 优于 state-of-the-art 方法，为高效 OCTA 分割提供了新参考。代码可在 https://github.com/zs1314/OCTAMamba 获取
引用
@article{arxiv.2409.08000,
title = {OCTAMamba: A State-Space Model Approach for Precision OCTA Vasculature Segmentation},
author = {Shun Zou and Zhuo Zhang and Guangwei Gao},
journal= {arXiv preprint arXiv:2409.08000},
year = {2025}
}
备注
5 pages, 2 figures, accepted for ICASSP 2025