LMa-UNet: 探索大kernel Mamba在医学图像分割上的潜力

AI最新资讯2个月前发布 tree
40 0 0

今日应用


今日话题


LMa-UNet: 探索大kernel Mamba在医学图像分割上的潜力
LMa-UNet: 探索大kernel Mamba在医学图像分割上的潜力
 

重点标签 SSMMamba模块医学图像分割大kernelUNet

文章摘要


摘要:
本文提出了一种基于大kernel或大window的Mamba模块,用于增强状态空间模型(SSM)的表示建模能力。该模块通过分层和双向的方式同时建模全局和局部关系,结合UNet进行高效的医学图像分割。研究表明,大kernel Mamba在医学图像分割任务中具有竞争力,并值得未来深入探索。

网络架构:
LMa-UNet模型包括depth-wise conv层、编码器、解码器、投影层和跳跃连接。编码器由Large Mamba Block(LM Block)组成,包括Pixel-level SSM (PiM)层、Patch-level SSM (PaM)层和bidirectional Mamba (BiM)。

LM Block:
LM Block的核心组件有PiM层、PaM层和BiM。PiM层将特征图划分为多个大window,以增强局部邻域像素之间的关系建模。PaM层通过池化和反池化在不同子窗口之间传递信息,实现全局范围的依赖关系建模。BiM通过前向和后向扫描并叠加输出结果,关注图像中心区域的信息斑块。

实验:
实验在Abdomen CT和Abdomen MR数据集上进行,包括3D和2D任务。结果表明,大kernel Mamba模型在医学图像分割任务上表现出竞争力。消融实验进一步证明了大window Mamba的性能提升。

总结:
本文首次探索了大kernel Mamba块在医学图像分割上的潜力。通过分层和双向的设计,LMa-UNet能够有效地同时建模全局和局部关系,实现高效的医学图像分割。

文章来源


原文地址: 点我阅读全文
原文作者: 极市平台

© 版权声明

相关文章

暂无评论

暂无评论...