UU-Mamba：用于心脏图像分割的不确定性感知 U-Mamba
图像与视频处理
2024-08-28 v4
摘要
生物医学图像分割对于准确识别和分析医学图像中的解剖结构至关重要，尤其是在心脏 MRI 中。手动分割耗时费力且容易出错，凸显了对自动化方法的需求。然而，当前的机器学习方法面临过拟合和数据需求等挑战。为了解决这些问题，我们提出了一种新的 UU-Mamba 模型，将 U-Mamba 模型与锐度感知最小化 (SAM) 优化器和不确定性感知损失函数相集成。SAM 通过寻找损失景观中的平坦极小值来增强泛化能力，从而减少过拟合。不确定性感知损失结合了基于区域、基于分布和基于像素的损失设计，以提高分割的准确性和鲁棒性。我们的方法在 ACDC 心脏数据集上进行了评估，优于包括 TransUNet、Swin-Unet、nnUNet 和 nnFormer 在内的 state-of-the-art 模型。我们的方法取得了 Dice 相似系数 (DSC) 和均方误差 (MSE) 分数，证明了其在心脏 MRI 分割中的有效性。
引用
@article{arxiv.2405.17496,
title = {UU-Mamba: Uncertainty-aware U-Mamba for Cardiac Image Segmentation},
author = {Ting Yu Tsai and Li Lin and Shu Hu and Ming-Ching Chang and Hongtu Zhu and Xin Wang},
journal= {arXiv preprint arXiv:2405.17496},
year = {2024}
}