FSE-Mamba:一种用于视网膜血管细分的新型频率空间纠Mamba模型
Xutao Sun1, Junwen Liu1, Xiaolu Xu1
1College of Computer and Artificial Intelligence, Liaoning Normal University, Dalian, Liaoning, China.
Computers in biology and medicine
|July 31, 2025
概括
本研究介绍了频率空间纠马巴 (FSE-Mamba) 网络,以改善视网膜血管细分. 这种新的方法克服了现有的Mamba模型的局限性,提高了细分复杂血管结构的准确性.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 深度学习 (Deep Learning) 是一种深度学习.
背景情况:
- 视网膜血管细分对于诊断眼睛疾病至关重要,但仍然具有挑战性.
- 现有的基于Mamba的方法与方向偏差作斗争,并因血管复杂性和组织相似性而存在特征歧视.
研究的目的:
- 提出一个基于Mamba的新型网络,FSE-Mamba,以解决视网膜血管细分的局限性.
- 为了提高自动视网膜血管细分的准确性和稳定性.
主要方法:
- 开发了频率空间纠马巴 (FSE-Mamba) 网络.
- 引入了频率空间坐标曼巴 (FSCM),具有多尺度的轴向注意力和频率域引导的注意力.
- 集成的多尺度频率感知模块 (MSFPM) 和双域选择性纠注意力 (DSEA) 改进了特征表示.
主要成果:
- 在四个数据集上,FSE-Mamba网络表现出与现有方法相比显著的竞争力.
- 定量和定性实验验证实了拟议方法的有效性.
- 该方法成功地改善了特征歧视,并解决了定向偏见.
结论:
- FSE-Mamba有效地克服了以前基于Mamba的视网膜血管细分方法的局限性.
- 拟议的架构为眼科医学的临床和研究应用提供了有希望的进步.
- 公开可用的代码有助于进一步的研究和开发.
