U-RWKV：基于方向自适应 RWKV 的轻量级医学图像分割
图像与视频处理
2025-07-16 v1 人工智能
计算机视觉与模式识别
摘要
实现医疗影像分割的公平性和可及性，尤其在资源受限环境中，需要轻量且高性能的解决方案。现有方法如 U-Net 及其变体常受限于全局有效感受野 (ERF) 的不足，阻碍其捕获长程依赖关系。为此，我们提出了 U-RWKV，一种新型框架，利用 Recurrent Weighted Key-Value (RWKV) 架构，在 O(N) 计算复杂度下实现高效的长程建模。该框架引入了两个关键创新：方向自适应 RWKV 模块 (DARM) 和阶段自适应 Squeeze-and-Excitation 模块 (SASE)。DARM 采用 Dual-RWKV 和 QuadScan 机制，对图像进行上下文线索的聚合，缓解方向偏差，同时保持全局上下文并保持高计算效率。SASE 动态适应不同特征提取阶段，平衡高分辨率细节保留与语义关系捕获。实验表明，U-RWKV 在高计算效率下实现了医学图像分割的 SOTA 性能，为在资源受限环境中实现民主化先进医学影像技术提供了实用解决方案。代码已开源于 https://github.com/hbyecoding/U-RWKV。
引用
@article{arxiv.2507.11415,
title = {U-RWKV: Lightweight medical image segmentation with direction-adaptive RWKV},
author = {Hongbo Ye and Fenghe Tang and Peiang Zhao and Zhen Huang and Dexin Zhao and Minghao Bian and S. Kevin Zhou},
journal= {arXiv preprint arXiv:2507.11415},
year = {2025}
}
备注
Accepted by MICCAI2025