SegMamba：用于3D医学图像分割的长程序列建模Mamba

Zhaohu Xing; Tian Ye; Yijun Yang; Guang Liu; Lei Zhu

SegMamba：用于3D医学图像分割的长程序列建模Mamba

计算机视觉与模式识别 2024-09-17 v4

作者: Zhaohu Xing , Tian Ye , Yijun Yang , Guang Liu , Lei Zhu

摘要

Transformer架构在建模全局关系方面展现出了卓越的能力。然而，在处理高维医学图像时，它带来了巨大的计算挑战，这阻碍了其在此任务中的发展和广泛应用。Mamba作为一种状态空间模型（SSM），最近作为一种处理序列建模中长程依赖的显著方式出现，以其出色的内存效率和计算速度在自然语言处理领域表现优异。受其成功的启发，我们引入了SegMamba，一种新颖的3D医学图像分割Mamba模型，旨在有效捕获每个尺度下整个体积特征内的长程依赖。与基于Transformer的方法相比，我们的SegMamba从状态空间模型的角度擅长整体积特征建模，即使在分辨率为 $64\times 64\times 64$ 的体积特征下也能保持卓越的处理速度。在BraTS2023数据集上的综合实验证明了我们SegMamba的有效性和效率。SegMamba的代码可在以下地址获取：https://github.com/ge-xing/SegMamba

关键词

3D医学图像分割 Mamba 状态空间模型长程依赖 Transformer 体积特征建模

引用

@article{arxiv.2401.13560,
  title  = {SegMamba: Long-range Sequential Modeling Mamba For 3D Medical Image Segmentation},
  author = {Zhaohu Xing and Tian Ye and Yijun Yang and Guang Liu and Lei Zhu},
  journal= {arXiv preprint arXiv:2401.13560},
  year   = {2024}
}

备注

Code has released

SegMamba：用于3D医学图像分割的长程序列建模Mamba

摘要

关键词

引用

备注

相关论文