基于快速里埃卷积和Mamba的脑血管细分网络
Chaozhi Yang1,2, Mingzhe Cao2, Jinbao Zhu3
1School of Optics and Photonics, Beijing Institute of Technology, Beijing 100081, People's Republic of China.
Biomedical physics & engineering express
|September 8, 2025
概括
这项研究介绍了F-Mamba-YNet,这是一个新的深度学习模型,用于在飞行时间磁共振血管学 (TOF-MRA) 扫描中对脑血管进行细分. 它提高了血管细分的准确性和连续性,以便更好地诊断脑血管疾病.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 神经科学是一个神经科学.
背景情况:
- 脑血管细分对于诊断和治疗脑血管疾病至关重要.
- 由于复杂的解剖学和拓学,飞行时间磁共振血管学 (TOF-MRA) 的脑血管准确细分具有挑战性.
研究的目的:
- 开发一个新的深度学习网络,F-Mamba-YNet,以改善TOF-MRA的脑血管细分.
- 为了提高脑血管细分的准确性,完整性和连接性.
主要方法:
- 提出了F-Mamba-YNet,这是一个Y形网络,使用双编码器架构与Fast Fourier Convolution和Mamba模块.
- 频谱编码器捕获高频器边缘细节;空间编码器捕获远程依赖.
- 解码器中的多尺度功能选择模块用于自适应功能增强和重用.
主要成果:
- 在IXI-A-SegAN数据集上,F-Mamba-YNet实现了86.28%的子相似系数 (DSC).
- 在MIDAS数据集上实现了72.24%的DSC.
- 与现有方法相比,展示了更多连接和连续的细分结果.
结论:
- F-Mamba-YNet为大脑血管提供了竞争力的性能和优越的细分连续性.
- 拟议的网络显示了大脑血管细分任务的强大的概括能力.
