SliceMamba für die medizinische Bildsegmentierung

Trotz der Fortschritte bei Mamba-basierten Modellen zur medizinischen Bildsegmentierung gelingt es den aktuellen Methoden, die unidirektionale oder multidirektionale Merkmals-Scanning-Mechanismen nutzen, nicht, die Abhängigkeiten zwischen benachbarten Positionen im Bild gut zu modellieren, was die effektive Modellierung lokaler Merkmale behindert. Lokale Merkmale sind jedoch entscheidend für die medizinische Bildsegmentierung, da sie wichtige Informationen über Läsionen und Gewebestrukturen liefern. Um diese Einschränkung zu beheben, schlagen wir eine einfache, aber effektive Methode namens SliceMamba vor, ein lokal sensibles, reines Mamba-Modell zur medizinischen Bildsegmentierung. Das vorgeschlagene SliceMamba umfasst ein effizientes Bidirectional Slice Scan-Modul (BSS), das bidirektionale Merkmalssegmentierung durchführt und dabei unterschiedliche Scanning-Mechanismen für unterschiedliche Merkmale anwendet. Dies sorgt dafür, dass räumlich benachbarte Merkmale in der Scanning-Reihenfolge in der Nähe bleiben, wodurch die Segmentierungsleistung verbessert wird. Umfangreiche Experimente zu Hautläsionen und Polypen-Segmentierungs-Datensätzen validieren die Effektivität unserer Methode.