ViM-UNet：用于生物医学分割的视觉 Mamba 架构
计算机视觉与模式识别
2024-05-16 v2
摘要
卷积神经网络（CNN），尤其是 UNet，是生物医学分割的默认架构。基于 Transformer 的方法，如 UNETR，已被提出以替代它们，其受益于全局感受野，但存在运行时间更长和参数量更大的问题。最近的视觉 Mamba 架构为 Transformer 提供了一种引人注目的替代方案，同样提供全局感受野，但效率更高。在此，我们介绍基于该架构的新型分割架构 ViM-UNet，并在两个具有挑战性的显微镜实例分割任务中将其与 UNet 和 UNETR 进行比较。我们发现，根据任务的不同，其性能与 UNet 相似或更优，并且优于 UNETR，同时效率更高。我们的代码是开源的，并附有文档，地址为 https://github.com/constantinpape/torch-em/blob/main/vimunet.md。
引用
@article{arxiv.2404.07705,
title = {ViM-UNet: Vision Mamba for Biomedical Segmentation},
author = {Anwai Archit and Constantin Pape},
journal= {arXiv preprint arXiv:2404.07705},
year = {2024}
}
备注
Published in MIDL 2024