SP-Mamba：面向无监督医学异常检测的空间感知状态空间模型
计算机视觉与模式识别
2025-07-28 v1
摘要
放射科学成像协议旨在针对特定的解剖区域，导致图像高度一致且在患者之间呈现持续的结构模式。近期在医学异常检测方面的进展已证明CNN和变换器方法的有效性。然而，CNN在捕获长程依赖方面存在局限，而变换器则 suffers from 二次计算复杂度。相比之下，基于Mamba的模型利用其在长程建模、结构特征提取和线性计算效率方面的优势，已成为一个有前景的替代方案。为充分利用医学图像中固有的结构规律性，本研究引入了SP-Mamba，这是一个空间感知Mamba框架，用于无监督医学异常检测。引入窗口滑动原型学习和Circular-Hilbert扫描基于Mamba的模型，以更好地利用一致的解剖模式并利用空间信息进行医学异常检测。此外，我们挖掘异常图的集中和对比特征，以改进异常检测。在三个多样化的医学异常检测基准数据集上的大量实验表明，所提出的方法在性能上达到了最先进的水平，验证了其有效性和鲁棒性。该代码已公开于https://github.com/Ray-RuiPan/SP-Mamba。
引用
@article{arxiv.2507.19076,
title = {SP-Mamba: Spatial-Perception State Space Model for Unsupervised Medical Anomaly Detection},
author = {Rui Pan and Ruiying Lu},
journal= {arXiv preprint arXiv:2507.19076},
year = {2025}
}
备注
11 pages