May, 2024

AC-MAMBASEG：一种用于改进皮损分割的自适应卷积和 Mamba 基于的架构

PDF
TL;DR该论文提出了一种用于皮肤病变分割的增强模型 AC-MambaSeg，其具有混合 CNN-Mamba 骨干以及集成 Convolutional Block Attention Module（CBAM）、Attention Gate 和 Selective Kernel Bottleneck 等先进组件，通过使用 Vision Mamba 框架进行高效特征提取，进一步提升其对信息区域的聚焦能力和抑制背景噪声的能力。我们在多个皮肤病变图像数据集上评估了 AC-MambaSeg 的性能，包括 ISIC-2018 和 PH2，然后与现有的分割方法进行了比较。我们的模型显示出改善计算机辅助诊断系统和促进皮肤病学疾病早期检测和治疗的潜力。我们的源代码将在此 https URL 上提供。
skin lesion segmentationcomputer-aided diagnosis systemsdermatological diseasesac-mambasegconvolutional block attention module
发现论文，激发创造
  • HC-Mamba：基于混合卷积技术的医学图像分割中的视觉 MAMBA

    基于现代状态空间模型 Mamba, HC-Mamba 是一种新的医学图像分割模型，通过引入扩张卷积技术和深度可分离卷积技术，能够在较低的计算成本下处理大规模医学图像数据，并表现出竞争性的性能。

    May, 2024

  • 基于 Mamba 的心脏图像分割算法

    该论文介绍了一种名为 CAF-MambaSegNet 的基于 Mamba 的的语义分割网络，通过设计用于不同编码器 - 解码器阶段的基于 Mamba 的通道聚合器和空间聚合器，提出了一种在医学图像分割中不使用卷积和自注意力的新方法，以实现线性复杂度和参数数量减少的目标。

    Jun, 2024

  • U-Mamba: 提高生物医学图像分割的长程依赖性

    基于深度序列模型的 U-Mamba 是一种适用于医学图像分割的通用网络，通过融合卷积层的局部特征提取能力与序列模型的长距离依赖捕捉能力，能够自适应不同数据集并在各种任务中取得优于当前基于 CNN 和 Transformer 的分割网络的结果，为医学图像分析中高效建模长距离依赖开辟了新的途径。

    Jan, 2024

  • nnMamba：使用状态空间模型进行 3D 生物医学图像分割、分类和地标检测

    通过将 State Space Sequence Models (SSMs) 整合到卷积残差块中，nnMamba 架构能够提取局部特征并建模复杂的依赖关系，从而在医学图像分析的一系列挑战性任务中展现出卓越的性能。

    Feb, 2024

  • MedMamba：针对医学图像分类的视觉蛇

    Medical image classification using Vision Mamba, a novel Conv-SSM module that combines convolutional layers with state space model, demonstrates promising results in detecting lesions, establishing a new baseline for the field.

    Mar, 2024

  • Mamba-UNet: 医学图像分割的纯视觉 Mamba

    我们提出了一种名为 Mamba-UNet 的创新架构，该架构将 U-Net 在医学图像分割中的能力与 Mamba 的能力相结合，通过纯粹的 Visual Mamba（VMamba）编码器 - 解码器结构和跳跃连接来捕捉医学图像中的细节和上下文，并显著优于具有相同超参数设置的 UNet 和 Swin-UNet。

    Feb, 2024

  • 将 Mamba 序列模型与层次化上采样网络整合，用于准确地多发性硬化病灶语义分割

    提出了一种新的架构 Mamba HUNet，该架构结合了卷积神经网络的局部特征提取能力和状态空间模型的长程依赖建模能力，通过将输入灰度图像分割为补丁并转换为 1D 序列，提取层次特征并保留空间信息，实验结果表明 Mamba HUNet 在医学图像分割任务中具有良好的效果，特别是在多发性硬化症损伤分割方面表现出强大的鲁棒性和灵活性，对改善临床决策过程具有潜在的推动作用。

    Mar, 2024

  • 利用蒙特卡洛任意掩蔽法提高医学图像重建的全局敏感度和不确定性量化

    提出了一种使用 MambaMIR 和 MambaMIR-GAN 进行医学图像重建和不确定性估计的方法，通过 Arbitrary-Masked Mamba-based 模型和波尔塔斯转换结合，实现了最佳的重建保真度和感知质量。

    May, 2024

  • CDMamba: 遥感图像变化检测与 Mamba

    提出了一个名为 CDMamba 的模型，它有效地结合了全局和局部特征来处理 CD 任务，使用了 Scaled Residual ConvMamba（SRCM）块来提取全局特征和增强局部细节，使用 Adaptive Global Local Guided Fusion（AGLGF）块以实现对双时序全局或局部特征的动态引导，实验结果表明 CDMamba 在三个数据集上优于当前最先进的方法。

    Jun, 2024

  • 基于大窗口的 Mamba UNet 用于医学影像分割：超越卷积和自注意力

    通过利用大窗口进行局部的空间建模，同时保持超强的全局建模效果，在医学图像分割领域提出了基于大窗口的 Mamba U 形网络 (LMa-UNet)，通过设计新颖的分层双向 Mamba 块进一步增强了全局和邻域空间建模能力，全面实验验证了方法的有效性和高效性，并证明了使用大窗口大小实现大感受野的可行性。

    Mar, 2024