arxiv：2403.05246v2 [eess.iv] 2024年3月11日__

arxiv：2403.05246v2 [eess.iv] 2024年3月11日

可下载资源数量

已经购买

下载数量：1

单价	0 1.0
Coupon	100% 0%
Total	0 1.0

点击下载点击购买并下载

点击购买，资源将自动在新窗口打开.

机构名称：

arxiv：2403.05246v2 [eess.iv] 2024年3月11日

¥ 1.0

热度

摘要。unet及其变体已被广泛用于医学图像分割。但是，这些模型，尤其是基于变压器体系结构的模型，由于其大量参数和计算负载而构成挑战，因此它们不适合进行医疗保健应用。最近，由Mamba出现的国家空间模型（SSM）已成为CNN和Transformer Architectures的竞争替代品。在此基础上，我们将Mamba用作UNET内CNN和Transformer的轻巧替代品，目的是应对实际医疗环境中计算资源限制所带来的挑战。为此，我们介绍了将Mamba和UNET集成在轻量级框架中的轻量级Mamba UNET（Lightm-Unet）。具体来说，Lightm-Unet以纯Mamba的方式利用残留的视觉Mamba层来提取深层的语义特征和模型的长距离空间依赖性，并具有线性的组合复杂性。在两个现实世界2D/3D数据集上进行的广泛实验表明，Lightm-Unet超过了现有的状态文献。值得注意的是，与著名的NNU-NET相比，Lightm-Unet可实现卓越的分割性能，而Drasti则可以重新将参数和计算成本降低116X和21X。这突出了Mamba在促进模型轻量化方面的潜力。我们的代码实现可在https：//github.com/mrblankness/lightm-unet

添加pdf代下载 VIP点击下载文件