SegMaFormer：一种用于高效分割的混合状态空间和Transformer模型
计算机视觉与模式识别
2026-03-24 v1 人工智能
摘要
Transformer和Mamba-based架构的出现显著推进了3D医学图像分割，使其能够实现全局语境建模，这一能力传统上受限于卷积神经网络(CNN)。然而，当前最先进的Transformer模型往往涉及 substantial 计算复杂度和参数数量，这在体积数据上尤其受限，进一步恶化了标注医学成像数据稀缺的局面。为此，本工作引入SegMaFormer，一种轻量级混合架构，将Mamba和Transformer模块整合到分层体积编码器中，以实现高效的长程依赖建模。该模型战略性地在早期高分辨率阶段采用Mamba-based层以降低计算开销，同时捕获essential 空间上下文；而在后期低分辨率阶段保留自注意力机制以细化特征表示。该设计增强了广义旋转位置嵌入以提高空间感知能力。尽管其结构紧凑，SegMaFormer在三个公共基准(Synapse, BraTS, 和 ACDC)上实现了与显著更大模型相当的Dice系数。经验上，我们的方法在参数上减少最高可达75倍，并且显著降低当前最先进模型的FLOPs，为3D医学图像分割建立了一个高效且高性能的解决方案。
关键词
引用
@article{arxiv.2603.22002,
title = {SegMaFormer: A Hybrid State-Space and Transformer Model for Efficient Segmentation},
author = {Duy D. Nguyen and Phat T. Tran-Truong},
journal= {arXiv preprint arXiv:2603.22002},
year = {2026}
}