{S³-Mamba}：用于肿瘤分割的小尺寸敏感 Mamba

小肿瘤在早期疾病诊断和严重感染干预中发挥关键作用。流行模型在分割小肿瘤时常面临挑战，因为它们仅占图像的一小部分，而下采样操作可能不可避免地丢失小肿瘤局部特征。为解决这些挑战，我们提出一种小尺寸敏感 Mamba (S³-Mamba)，通过三个维度提升对小肿瘤的敏感性：通道、空间和训练策略。具体而言，设计了增强视觉状态空间块，通过多个残差连接聚焦小肿瘤， selectively 放大重要细节同时抑制无关细节，通过通道注意力。设计了基于张量的跨特征多尺度注意力，将输入图像特征和中间层特征与边缘特征集成，并利用多尺度特征的注意力支持，从而在各种细节级别保留小肿瘤的空间细节。最后，我们引入一种新颖的正则化课程学习，自动评估肿瘤大小和样本难度，并逐渐从容易的样本聚焦于困难的小肿瘤。广泛的实验表明，我们的 S³-Mamba 在三组医学图像分割数据集上表现优异，尤其擅长分割小肿瘤。我们的代码已公开 https://github.com/ErinWang2023/S3-Mamba。