用多尺度金字塔特征提取增强的VM-Unet用于从膝盖MRI中细分股骨关节组织
Xin Wang1, Yupeng Fu1, Huimin Lu1
1College of Computer Science and Engineering, Changchun University of Technology, Changchun, China.
PloS one
|August 28, 2025
概括
这项研究引入了MSPF-VM-Unet,一个用于分段膝盖MRI图像的新框架. 它通过结合多层次的特征提取来增强视觉Mamba, 提高像软骨这样的结构的准确性.
科学领域:
- 医学成像
- 人工智能
- 生物医学工程
背景情况:
- 在医学成像中精确的膝关节细分对于诊断病变和改善治疗至关重要.
- 现有的Vision Mamba模型在全球范围内表现出色, 但与局部纹理和多尺度特征扎, 限制了软骨等小组织的细分.
- 这种局限性阻碍了医疗成像中膝盖结构的精确分析.
研究的目的:
- 提出一个名为MSPF-VM-Unet的新型多尺度Vision Mamba Unet (VM-Unet) 框架,用于增强膝盖MRI图像的细分.
- 改善关键膝关节结构的细分,包括股骨,骨,股骨软骨和骨软骨.
- 解决现有模型在捕捉局部纹理和整合多尺度特征方面的局限性.
主要方法:
- 开发了MSPF-VM-Unet框架,将VM-Unet扩展为多级金字塔特征提取网络 (MPSK).
- MPSK集成多分辨率特征提取与频道空间关注,利用选择性内核 (SK) 卷积和金字塔聚合来增强本地特征提取.
- 该框架将Vision Mamba的全球上下文与MPSK的多尺度特征合并,以协调优化特征合并和远程依赖模型.
主要成果:
- 在OAI-ZIB数据集上的实验表明MSPF-VM-Unet显著提高了细分精度.
- 该模型显示了骨关节组织的边界精度提高.
- 在膝盖MRI图像的细分中观察到区域一致性的改善.
结论:
- MSPF-VM-Unet有效地解决了Vision Mamba在多尺度特征提取和膝盖MRI细分的局部纹理建模方面的局限性.
- 提出的框架实现了优异的细分性能,特别是在软骨等较小的解剖结构中.
- 在膝关节成像方面, 这一进步有望为更准确的诊断和有效的治疗计划提供希望.
