P-Mamba：融合 Perona-Malik 扩散与 Mamba 以实现高效儿科超声心动图左心室分割
计算机视觉与模式识别
2024-06-25 v3
摘要
在儿科心脏病学中，通过超声心动图准确且即时地评估心脏功能至关重要，因为它可决定在许多紧急情况下是否需要紧急干预。然而，超声心动图具有模糊性和严重的背景噪声干扰，导致准确分割更加困难。现有方法缺乏效率，且由于噪声干扰，容易错误地分割某些背景噪声区域（如左心室区域）。为解决这些问题，我们提出了 P-Mamba，该模型融合了专家混合（Mixture of Experts, MoE）概念，以实现高效的儿科超声心动图左心室分割。具体而言，我们利用视觉 Mamba（vision mamba）中最近提出的 ViM 层，在建模全局依赖关系的同时增强模型的计算和内存效率。在基于离散小波变换（DWT）的 Perona-Malik 扩散（PMD）模块中，我们设计了一个 PMD 模块，用于在抑制噪声的同时保留左心室的局部形状线索。因此，我们提出的 P-Mamba 创新性地结合了 PMD 的噪声抑制与局部特征提取能力，以及 Mamba 用于全局依赖建模的高效设计。我们在两个儿科超声数据集和一个通用超声数据集（即 Echonet-dynamic）上进行了分割实验，并取得了最先进（SOTA）的结果。利用 P-Mamba 模块的优势，我们的模型在准确性和效率方面均优于现有模型，包括具有二次和线性计算复杂度的视觉 Transformer。
引用
@article{arxiv.2402.08506,
title = {P-Mamba: Marrying Perona Malik Diffusion with Mamba for Efficient Pediatric Echocardiographic Left Ventricular Segmentation},
author = {Zi Ye and Tianxiang Chen and Fangyijie Wang and Hanwei Zhang and Lijun Zhang},
journal= {arXiv preprint arXiv:2402.08506},
year = {2024}
}