ShapeMamba-EM：使用局部形状描述符和Mamba模块微调基础模型用于3D电子显微镜图像分割
计算机视觉与模式识别
2024-08-27 v1
摘要
电子显微镜(EM)成像为分析神经组织提供了无与伦比的分辨率，这对于揭示突触连接和神经过程的复杂性至关重要，而这些是理解行为机制的基础。近年来，基础模型在众多自然和医学图像分割任务中展现了令人印象深刻的性能。然而，由于领域差异，将这些基础模型应用于EM分割面临重大挑战。本文提出了ShapeMamba-EM，一种专门用于3D EM分割的微调方法，它在原始基础模型内采用适配器进行长程依赖建模，并采用编码器进行局部形状描述。该方法有效解决了EM数据独特的体积和形态复杂性。在涵盖五个分割任务和10个数据集的广泛EM图像上进行测试，ShapeMamba-EM优于现有方法，为EM图像分割建立了新标准，并增强了对神经组织结构理解。
引用
@article{arxiv.2408.14114,
title = {ShapeMamba-EM: Fine-Tuning Foundation Model with Local Shape Descriptors and Mamba Blocks for 3D EM Image Segmentation},
author = {Ruohua Shi and Qiufan Pang and Lei Ma and Lingyu Duan and Tiejun Huang and Tingting Jiang},
journal= {arXiv preprint arXiv:2408.14114},
year = {2024}
}