基于 Mamba 的心脏图像分割算法

Jun, 2024

Convolution and Attention-Free Mamba-based Cardiac Image Segmentation

Abbas Khan, Muhammad Asad, Martin Benning, Caroline Roney, Gregory Slabaugh

TL;DR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。

Abstract

convolutional neural networks (CNNs) and Transformer-based self-attention models have become standard for medical image segmentation. This paper demonstrates that convolution and self-attention, while widely used

convolutional neural networks transformer-based self-attention models medical image segmentation caf-mambasegnet mamba-based channel aggregator

发现论文，激发创造

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

基于 Vision Mamba 的混凝土、沥青和砖石表面自动裂缝分割

本文提出了基于 Vision Mamba (VMamba) 的框架，用于对混凝土、沥青和砖石表面进行高准确度、广义化和较低计算复杂度的裂缝分割，相较于基于 CNN 的模型，使用 VMamba 的编码器 - 解码器网络能获得高达 2.8% 的更高的 mDS 且与基于 Transformer 的模型表现相当，在处理高分辨率图像输入时，VMamba-based 编码器 - 解码器网络能够降低高达 90.6% 的浮点操作。

Jun, 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

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。

May, 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

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

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

Vivim: 一种用于医学视频对象分割的视频视觉蛇

这篇研究论文介绍了一种基于视频视觉 Mamba 框架的医学视频目标分割任务方法 Vivim，通过设计的时间 Mamba 块，有效地将长期时空表示压缩为不同尺度的序列，相比现有的基于 Transformer 的方法，我们的模型在保持出色的分割结果的同时具有更好的速度表现。

Jan, 2024

CM-UNet: 混合 CNN-Mamba UNet 用于遥感图像语义分割

本文介绍了一种名为 CM-UNet 的方法，该方法以 CNN 为基础提取局部图像特征，并以 Mamba 为基础聚合和整合全局信息，从而有效地实现大规模遥感图像的语义分割。实验证明，CM-UNet 在各种性能指标上优于现有方法。

May, 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

关于视觉曼巴的调查

该研究综述了 Mamba 模型在计算机视觉领域的基本概念和优化方法，并介绍了它们在不同层次的视觉任务中的广泛应用，旨在引起学术界对当前挑战的关注并进一步应用 Mamba 模型于计算机视觉。

Apr, 2024