中科大提出仅将 UMamba 的 Mamba 替换为 xLSTM，就能在各种2D和3D图像分割中取得SOTA表现！

文章预览

来源丨AI视界引擎 编辑丨极市平台 导读   利用Vision-LSTM（xLSTM）作为其骨干网络的UNet结构深度学习神经网络。 卷积神经网络（CNNs）和视觉变换器（ViT）在生物医学图像分割中起到了关键作用。然而，由于其固有的局部性和计算开销，这些方法在处理长距离依赖关系方面的能力仍然受限。 为了解决这些问题，在本技术报告中，我们首先提出了xLSTM-UNet，这是一种利用Vision-LSTM（xLSTM）作为其骨干网络的UNet结构深度学习神经网络，专用于医学图像分割。xLSTM最近被提出作为长短期记忆（LSTM）网络的继任者，并且在神经语言处理（NLP）和图像分类中（如Vision-LSTM或ViL实现）表现出优异的性能，优于变换器和状态空间模型（SSMs）如Mamba。在此，我们设计的xLSTM-UNet旨在将这些成功经验扩展到生物医学图像分割领域。 通过结合卷积层的局部特征提取优势和xLSTM ………………………………