相关实验视频
Updated: Jul 13, 2026

09:41
Comprehensive Autopsy Program for Individuals with Multiple Sclerosis
Published on: July 19, 2019
11.9K
CVM-融合:平行横轴的Mamba融合用于医疗图像细分
Rui Peng1,2,3,4, Longfeng Shen1,2,3,4, Zhengtian Lu1,2,3,4
158286 College of Computer Science and Technology, Huaibei Normal University , Huaibei, Anhui, China.
Biomedizinische Technik. Biomedical engineering
|October 17, 2025
概括
这项研究引入了一种用于医疗图像细分的新型多方向动态网络,通过有效捕捉全球背景和本地细节来提高准确性. 拟议的方法在现有模型中显示出优越的性能.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 卷积神经网络 (CNN) 和变压器被广泛用于医疗图像细分.
- 变压器的自我注意力机制与不同的尺度作斗争,导致细分不连续性.
研究的目的:
- 为增强医疗图像细分提出一个多方向动态建模网络.
- 解决现有模型在捕捉多尺度结构方面的局限性.
主要方法:
- 引入了跨轴的Mamba关注 (CMA),用于全球信息和远程依赖.
- 开发了一个边缘特征增强模型 (EFCN) 以改进边缘检测.
- 根据ISIC2018,CVC-300和Kvasir-SEG数据集进行评估.
主要成果:
- 实现了91.12%,90.35%和94.14%的子相似系数 (DSC).
- 实现了85.07%,83.43%和89.62%的整个联盟的交叉点 (IoU).
- 性能优于VM-Unet和Swin-UMamba等先进模型.
结论:
- 提出的方法表现出强大的概括性和稳定性.
- 为临床诊断和治疗规划提供了重要的支持.

