SFD-Mamba2Net：面向冠状动脉分割的结构引导频率增强双流 Mamba2 网络
计算机视觉与模式识别
2025-09-15 v2
摘要
背景：冠状动脉疾病 (CAD) 是全球死亡原因的前列之一。侵入性冠状动脉造影 (ICA) 被视为 CAD 诊断的金标准， necessitate 精确的血管分割和狭窄检测。然而，ICA 图像通常具有低对比度、高噪声水平和复杂细致的血管结构，这些因素给临床采用现有分割和检测方法带来了显著挑战。目标：本研究旨在通过整合多尺度结构先验、基于状态空间的长程依赖建模和频域细节增强策略，提高在 ICA 图像中进行冠状动脉分割和狭窄检测的准确度。方法：我们提出 SFD-Mamba2Net，一个专为 ICA 基于血管的分割和狭窄检测设计的端到端框架。在编码器中，嵌入 Curvature-Aware Structural Enhancement (CASE) 模块，以利用多尺度响应突出细小管状血管结构、抑制背景干扰并引导注意力聚焦于血管区域。在解码器中，我们引入 Progressive High-Frequency Perception (PHFP) 模块，该模块采用多层小波分解逐步细化高频细节并整合低频全局结构。结果与结论：SFD-Mamba2Net 在八项分割指标上始终优于最先进的方法，在狭窄检测中实现了最高的真阳性率和正预测值。
引用
@article{arxiv.2509.08934,
title = {SFD-Mamba2Net: Structure-Guided Frequency-Enhanced Dual-Stream Mamba2 Network for Coronary Artery Segmentation},
author = {Nan Mu and Ruiqi Song and Zhihui Xu and Jingfeng Jiang and Chen Zhao},
journal= {arXiv preprint arXiv:2509.08934},
year = {2025}
}