基于Mamba模型的冠状动脉狭窄在X射线血管造影中的分割
图像与视频处理
2025-04-22 v1 人工智能
计算机视觉与模式识别
摘要
冠状动脉疾病是全球死亡率的主要贡献因素之一。自动识别冠状动脉狭窄在X射线图像中的作用在冠状动脉心脏病诊断过程中发挥着关键作用。由于冠状动脉的复杂结构、X射线图像中的固有噪声，以及狭窄的冠状动脉在X射线血管造影中呈现狭窄和模糊等挑战。本研究采用五种不同的Mamba-based模型变体和一种基于Swin Transformer的模型变体，主要基于U-Net架构，用于冠状动脉疾病中狭窄的局部化。我们的最佳结果显示，U-Mamba BOT模型的F1分为68.79%，相较于半监督方法提高了11.8%。
引用
@article{arxiv.2412.02568,
title = {Segmentation of Coronary Artery Stenosis in X-ray Angiography using Mamba Models},
author = {Ali Rostami and Fatemeh Fouladi and Hedieh Sajedi},
journal= {arXiv preprint arXiv:2412.02568},
year = {2025}
}