Multi-Head Mamba migliora la segmentazione dei tumori cerebrali 3D
Un nuovo approccio noto come Multi-Head Mamba (MHMamba) è stato introdotto per la segmentazione di tumori cerebrali 3D da immagini MRI. A causa della significativa eterogeneità dei tumori cerebrali, la delineazione manuale può essere molto laboriosa. MHMamba integra un'architettura a forma di U con un modello multi-head state-space (Mamba), dividendo le dimensioni dei canali in teste SSM parallele combinate con residui. Questo metodo migliora la rappresentazione a lungo raggio e la stabilità nell'addestramento multimodale, mantenendo al contempo la complessità lineare. Inoltre, un modulo di calibrazione spazio-canale e un meccanismo di fusione adattivo migliorano ulteriormente la risposta alle lesioni. Questa tecnica supera le sfide affrontate dalle CNN riguardo alle dipendenze a lungo raggio e mitiga le richieste computazionali dei Transformer nell'analisi MRI 3D.
Fatti principali
- MHMamba combina un'architettura a forma di U con un modello multi-head state-space
- Divide la dimensione dei canali in teste SSM parallele con aggregazione residua
- Migliora la rappresentazione a lungo raggio e la stabilità dell'addestramento multimodale
- Mantiene la complessità lineare
- Include un modulo di calibrazione spazio-canale per output multi-head
- Introduce un meccanismo di fusione adattivo
- Affronta le limitazioni delle CNN nelle dipendenze a lungo raggio
- Affronta il sovraccarico computazionale dei Transformer nella MRI 3D
Entità
Istituzioni
- arXiv