TopoMamba：用于分割异构医学视觉媒体的拓扑感知扫描与融合
计算机视觉与模式识别
2026-04-30 v2
摘要
视觉状态空间模型（SSM）在医学图像分割方面展现出巨大潜力，但其有效性常受限于两个实际问题：轴向偏置的扫描顺序削弱了对倾斜和弯曲结构的建模能力，而朴素的多分支融合容易放大冗余响应。我们提出了 TopoMamba，一个用于分割异构医学视觉媒体的拓扑感知扫描与融合框架。该方法将对角/反对角 TopoA-Scan 分支与标准 Cross-Scan 分支相结合，以提供互补的结构先验，并引入了 ScanCache，一种设备感知缓存机制，将显式的扫描索引构建分摊到重复出现的分辨率上。为了高效融合异构扫描特征，我们进一步提出了轻量级的 HSIC Gate，它使用依赖感知的标量门控规则来调节分支交互。我们还实例化了用于实际 3D 临床分割的 TopoMamba-3D。在 Synapse CT、ISIC 2017 皮肤镜和 CVC-ClinicDB 内窥镜上的实验表明，TopoMamba 相比强大的 CNN、Transformer 和 SSM 基线持续提升了分割质量，在胰腺和胆囊等细长或弯曲目标上提升尤为明显，同时在动态输入分辨率下保持良好的部署效率。这些结果表明，拓扑感知扫描顺序和轻量级依赖感知融合构成了医学多媒体分割的有效且实用的设计。代码将公开发布。
引用
@article{arxiv.2604.25545,
title = {TopoMamba: Topology-Aware Scanning and Fusion for Segmenting Heterogeneous Medical Visual Media},
author = {Fuchen Zheng and Chengpei Xu and Long Ma and Weixuan Li and Junhua Zhou and Xuhang Chen and Weihuang Liu and Haolun Li and Quanjun Li and Zhenxi Zhang and Lei Zhao and Chi-Man Pun and Shoujun Zhou},
journal= {arXiv preprint arXiv:2604.25545},
year = {2026}
}
备注
15 pages, 9 figures