VM-UNET-V2：重新思考用于医学图像分割的 Vision Mamba UNet
图像与视频处理
2024-03-15 v1 计算机视觉与模式识别
摘要
在医学图像分割领域，基于 CNN 和 Transformer 的模型均已得到深入研究。然而，CNN 对长程依赖的建模能力有限，使得充分利用图像内的语义信息极具挑战。另一方面，二次计算复杂度给 Transformer 带来了挑战。最近，状态空间模型（SSM），如 Mamba，被认为是一种极具前景的方法。它们不仅在建模长程交互方面展现出卓越的性能，同时保持了线性的计算复杂度。受 Mamba 架构启发，我们提出了 Vision Mamba-UNetV2，引入视觉状态空间（VSS）模块以捕获广泛的上下文信息，并引入语义与细节注入（SDI）以增强低级和高级特征的融合。我们在 ISIC17、ISIC18、CVC-300、CVC-ClinicDB、Kvasir、CVC-ColonDB 和 ETIS-LaribPolypDB 公共数据集上进行了全面实验。结果表明，VM-UNetV2 在医学图像分割任务中表现出极具竞争力的性能。我们的代码可在 https://github.com/nobodyplayer1/VM-UNetV2 获取。
引用
@article{arxiv.2403.09157,
title = {VM-UNET-V2 Rethinking Vision Mamba UNet for Medical Image Segmentation},
author = {Mingya Zhang and Yue Yu and Limei Gu and Tingsheng Lin and Xianping Tao},
journal= {arXiv preprint arXiv:2403.09157},
year = {2024}
}
备注
12 pages, 4 figures