VMPANet:视觉mamba皮肤损伤图像细分模型基于提示和注意力机制的融合
Zinuo Peng1,2, Shuxian Liu1, Chenhao Li1,2
1School of Computer Science and Technology, XinJiang University, Urumqi 830046, China.
Journal of imaging
|December 24, 2025
概括
通过改善皮肤病变细分,VMPANet提高了皮肤癌的检测. 这种新的方法准确地捕捉到复杂的边界和多样化的形状,以更高的效率超过现有技术.
科学领域:
- 医学图像分析 医学图像分析
- 计算病理学计算病理学
- 医疗保健中的人工智能
背景情况:
- 皮肤病变的准确细分对于早期发现皮肤癌至关重要.
- 现有的细分方法与复杂的损伤边界和各种形状作斗争.
- 需要先进的模型来提高细分精度和效率.
研究的目的:
- 开发一种新的深度学习模型,VMPANet,用于精确细分皮肤病变.
- 解决当前处理复杂的边界和各种病变形态的方法的局限性.
- 通过增强图像分析,提高皮肤癌检测的效率和有效性.
主要方法:
- VMPANet使用反向金字塔卷积来进行多规模的特征提取.
- 包含一个视觉Mamba模块,用于捕获远程功能依赖.
- 采用平行深度可分离的卷曲,边缘增强,空间/通道注意力,以及一种新的交叉注意力机制.
主要成果:
- 与主流方法相比,VMPANet在ISIC2017和ISIC2018数据集上表现优异.
- 实现了比VM-Unet和EMCAD更高的mIoU和DSC指标.
- 具有较低的参数数量 (0.383 M) 和计算负载 (1.159 GFLOPs).
结论:
- VMPANet有效地对皮肤病变进行细分,改进了现有的技术.
- 该模型的架构促进了准确的定位和边缘结构捕获.
- 在医学成像中,VMPANet为皮肤病变细分提供了计算效率高,准确的解决方案.
