TK-Mamba：将 KAN 与 Mamba 融合用于文本驱动的 3D 医学图像分割
计算机视觉与模式识别
2025-11-26 v2
摘要
3D 医学图像分割对于临床诊断和治疗至为重要，但面临高维数据和复杂空间依赖等挑战。传统单模式网络（如 CNN 和 Transformer）常受计算效率低和在 3D 场景中受限的上下文建模限制。为缓解这些限制，我们提出 TK-Mamba，一种多模态框架，将线性时间 Mamba 与 Kolmogorov-Arnold 网络（KAN）融合构成高效的混合主干网络。我们的方法具有两个主要技术贡献：首先，我们引入新颖的 3D-Group-Rational KAN（3D-GR-KAN），首次将 KAN 应用于 3D 医学成像，为复杂体积结构提供更优且计算更高效的非线性特征转换。其次，我们构思了一种双分支文本驱动策略，利用 Pubmedclip 的嵌入。该策略通过同时捕获器官之间的语义关系以缓解标签不一致，并将图像特征与解剖文本对齐，从而显著提升分割的鲁棒性和准确性。通过结合这一先进的主干网络和视觉语言知识，TK-Mamba 提供了一个统一且可扩展的解决方案，用于多器官和肿瘤分割。实验表明，该框架在多个数据集上实现了在器官和肿瘤分割任务中的领先性能，在准确性和效率方面均超越了现有方法。我们的代码已公开于 https://github.com/yhy-whu/TK-Mamba
引用
@article{arxiv.2505.18525,
title = {TK-Mamba: Marrying KAN With Mamba for Text-Driven 3D Medical Image Segmentation},
author = {Haoyu Yang and Yutong Guan and Meixing Shi and Yuxiang Cai and Jintao Chen and Sun Bing and Wenhui Lei and Mianxin Liu and Xiaoming Shi and Yankai Jiang and Jianwei Yin},
journal= {arXiv preprint arXiv:2505.18525},
year = {2025}
}