UltraLBM-UNet：基于双向Mamba模型的超轻量皮肤皮捣分割模型
计算机视觉与模式识别
2025-12-29 v1
摘要
皮肤皮捣分割是皮肤科诊疗中至关重要的步骤，用于指导临床决策。然而，现有方法在准确、稳健和资源高效的皮捣分析方面存在局限，包括性能低下和计算复杂度高。为此，我们提出了UltraLBM-UNet，这是一种轻量级U-Net变体，集成了基于双向Mamba的全局建模机制与多分支局部特征感知。该架构将高效的局部特征注入与双向状态空间建模相结合，实现了在保持计算紧凑性的同时，跨空间维度的丰富上下文互动，适用于临床点 care 部署。大量实验在ISIC 2017、ISIC 2018和PH2数据集上表明，我们的模型在分割精度上始终实现了最先进的水平，超过了现有轻量级和Mamba模型对手，仅需0.034M参数和0.060 GFLOPs。此外，我们引入一种混合知识蒸馏策略，用于训练一个超紧凑学生模型，其中蒸馏变体UltraLBM-UNet-T仅需0.011M参数和0.019 GFLOPs，即可在分割性能上达到具竞争力的水平。这些结果凸显了UltraLBM-UNet在临床点 care 部署中的适用性，在此场景下，准确可靠的皮捣分析至关重要。源代码已公开于https://github.com/LinLinLin-X/UltraLBM-UNet。
引用
@article{arxiv.2512.21584,
title = {UltraLBM-UNet: Ultralight Bidirectional Mamba-based Model for Skin Lesion Segmentation},
author = {Linxuan Fan and Juntao Jiang and Weixuan Liu and Zhucun Xue and Jiajun Lv and Jiangning Zhang and Yong Liu},
journal= {arXiv preprint arXiv:2512.21584},
year = {2025}
}
备注
12 pages, 4 figures