当 Mamba 遇见 xLSTM：基于 xLSTM-VMUNet 模型进行皮肤病变分割的高效精确方法
图像与视频处理
2026-03-31 v4
摘要
自动黑色素瘤分割对于早期皮肤癌检测至关重要，但黑色素瘤的异质性以及模糊边界、低对比度和成像伪影等干扰因素带来了挑战。尽管已经开发了许多算法来解决这些问题，但以往的方法往往忽略了在皮肤病学图像中联合捕捉空间和序列特征的需求。这一局限性阻碍了分割准确率，特别是在边界不清晰或结构相似的病变情况下。此外，以往的模型既缺乏全局感受野又缺乏高计算效率。在这项工作中，我们提出了 xLSTM-VMUNet 模型，它成功地在皮肤病学图像中联合捕捉了空间和序列特征。xLSTM-VMUNet 不仅能专注于从图像中提取空间特征，关注皮肤病变的结构特征，还能增强上下文理解，从而更有效地处理复杂的医学图像结构。在 ISIC2018 数据集上的实验结果表明，xLSTM-VMUNet 在 ISIC2017 数据集上的 DSC 和 IoU 分别比 VMUNet 高出 4.85% 和 6.41%，在 ISIC2018 数据集上的 DSC 和 IoU 分别高出 1.25% 和 2.07%，且具有更快的收敛速度和持续的高分割性能。我们的代码可在 https://github.com/FangZhuoyi/XLSTM-VMUNet 获取。
引用
@article{arxiv.2411.09363,
title = {When Mamba Meets xLSTM: An Efficient and Precise Method with the xLSTM-VMUNet Model for Skin lesion Segmentation},
author = {Zhuoyi Fang and Jiajia Liu and Kexuan Shi and Qiang Han},
journal= {arXiv preprint arXiv:2411.09363},
year = {2026}
}