超马巴:基于马巴的多模式超声波图像适应融合用于乳腺损伤细分
IEEE transactions on medical imaging
|January 13, 2026
概括
一个新的框架,UltraMamba,通过解决特征 misalignment,改善乳腺病变的多式超声波细分. 这提高了诊断准确性和治疗规划,以获得更好的患者结果.
科学领域:
- 医学成像医学成像
- 医疗保健中的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 多模式超声成像 (B模式,剪波速度,剪波时间) 对于乳腺损伤诊断至关重要.
- 挑战包括跨模式特征错位和注意力转移,阻碍准确的细分.
- 现有的方法经常过度强调色彩数据,忽视关键的纹理和定量信息.
研究的目的:
- 引入一个新的细分框架,UltraMamba,以及一个全面的多式超声波乳腺损伤数据集 (BreLS).
- 通过解决跨式特征错位和增强区域特定信息来提高乳腺损伤细分的准确性.
- 为分析多式超声波乳腺损伤数据提供一个有价值的资源.
主要方法:
- 开发了UltraMamba框架,具有双向对齐和区域意识的功能增强.
- 引入了BreLS数据集,这是第一个2D多式超声波乳腺损伤数据集,共有506例.
- 在UltraMamba中利用了跨模态知识交互和区域感知功能激发模块.
主要成果:
- 在BreLS数据集中,UltraMamba获得了72.16%的子相似系数 (DSC) 和42.02毫米的HD95.
- 与MMCA-NET框架相比,显示了DSC的2.59%改善和HD95的6.78毫米减少.
- 该框架有效地提高了细分精度,克服了特征错位的挑战.
结论:
- UltraMamba显著提高了多式超声波乳腺损伤细分的准确性.
- 拟议的框架和数据集为临床诊断和治疗规划提供了进展.
- 改进的细分精度有助于精确的干预和潜在的更好的患者结果.
