参数仅有0.049M！基于Mamba的医学图像分割新SOTA来了！

文章预览

目前，基于CNN和Transformer的医学图像分割面临着许多挑战。比如CNN在长距离建模能力上存在不足，而Transformer则受到其二次计算复杂度的制约。 相比之下，Mamba的设计允许模型在保持线性计算复杂度的同时，仍然能够捕捉到长距离的依赖关系。因此 基于Mamba的医学图像分割 能够结合CNN的局部特征提取能力和Transformer的全局上下文理解能力， 更有效地处理医学图像中复杂的结构和模式。 比如首个将Mamba结构融入UNet的模型VM-UNet和新型轻量级模型UltraLight VM-UNet。 受此启发，研究者们提出了更多 Mamba医学图像分割改进方案 ，我整理了其中 10个 值得学习的最新成果分享，论文以及开源代码也列上了，方便同学们复现。 扫码添加小享， 回复“ 曼巴医学 ” 免费获取 全部论文+开源代码 UltraLight VM-UNet: Parallel Vision Mamba Significantly Reduces Parameters for Skin Lesion Segmen ………………………………