基于神经网络架构搜索的 SliceMamba 用于医学图像分割
图像与视频处理
2025-09-04 v2 计算机视觉与模式识别
摘要
尽管在Mamba-based医学图像分割模型方面取得了进展，现有方法利用单向或多向特征扫描机制难以有效捕获相邻位置之间的依赖关系，限制了局部特征的判别性表示学习。这些局部特征对于医学图像分割至关重要，因为它们提供了肿瘤和器官的关键结构信息。为解决这一局限性，我们提出SliceMamba，一种简单且有效的局部敏感Mamba-based医学图像分割模型。SliceMamba包括一种高效的双向切片扫描模块（BSS），该模块执行双向特征切片并针对不同形状的切片特征采用不同扫描机制。这种设计确保空间相邻特征在扫描序列中保持相邻，从而提高分割性能。此外，为了适应肿瘤和器官不同大小和形状，我们进一步引入自适应切片搜索方法，以根据目标数据的特征自动确定最佳特征切片方法。在两个皮肤瘤数据集（ISIC2017和ISIC2018）、两个结肠息肌分割数据集（Kvasir和ClinicDB）以及一个多器官分割数据集（Synapse）上的大量实验验证了我们方法的有效性。
引用
@article{arxiv.2407.08481,
title = {SliceMamba with Neural Architecture Search for Medical Image Segmentation},
author = {Chao Fan and Hongyuan Yu and Yan Huang and Liang Wang and Zhenghan Yang and Xibin Jia},
journal= {arXiv preprint arXiv:2407.08481},
year = {2025}
}
备注
This work has been submitted to the IEEE for possible publication