VM-UNet: Vision Mamba UNet for Medical Image Segmentation

在医学图像分割领域，基于CNN和Transformer的模型都得到了广泛的探索。然而，CNN在长距离建模能力方面存在局限性，而Transformer则受到其二次计算复杂度的限制。最近，基于状态空间模型（SSM）的方法已经成为一种有前途的方法，其中Mamba是一个典型例子。它们不仅在建模长距离交互方面表现出色，而且保持了线性计算复杂度。在本文中，我们利用状态空间模型，提出了一种名为Vision Mamba UNet（VM-UNet）的医学图像分割U形结构模型。具体而言，引入了视觉状态空间（VSS）块作为捕捉广泛上下文信息的基础块，并构建了一个不对称的编码器-解码器结构。我们在ISIC17、ISIC18和Synapse数据集上进行了全面的实验，结果表明VM-UNet在医学图像分割任务中表现出了竞争力。据我们所知，这是第一个基于纯SSM模型构建的医学图像分割模型。我们旨在建立一个基准，并为未来开发更高效、更有效的基于SSM的分割系统提供有价值的见解。我们的代码可在https://github.com/JCruan519/VM-UNet中获得。

本文旨在解决医学图像分割中长程建模和计算复杂度的问题，提出了基于状态空间模型的U形结构模型——Vision Mamba UNet（VM-UNet）

文章提出了使用状态空间模型进行医学图像分割的方法，引入了视觉状态空间（VSS）块来捕捉广泛的上下文信息，并构建了一个不对称的编码器-解码器结构。

实验结果表明，VM-UNet在ISIC17、ISIC18和Synapse数据集上表现出竞争力。此外，本文提供了可用于未来更有效的SSM分割系统开发的基准，并提供了开源代码。

在医学图像分割领域，已经有许多使用CNN和Transformer的模型被研究。最近，基于状态空间模型的Mamba等模型也开始受到关注。