Mamba-UNet: UNet-Like Pure Visual Mamba for Medical Image Segmentation

近年来，在医学图像分析方面，卷积神经网络（CNN）和视觉Transformer（ViT）已经取得了重要的里程碑。前者通过卷积运算在捕捉局部特征方面表现出色，而后者通过利用自我注意机制实现了显著的全局上下文理解能力。然而，这两种架构都存在在高效建模医学图像中的长距离依赖方面的局限性，这是精确分割的关键因素。受Mamba架构的启发，该架构以状态空间模型（SSM）的形式处理长序列和全局上下文信息，提高了计算效率。我们提出了Mamba-UNet，这是一种将U-Net在医学图像分割中的能力与Mamba的能力相结合的新型架构。Mamba-UNet采用基于纯视觉Mamba（VMamba）的编码器-解码器结构，并注入跳跃连接以保留网络不同尺度之间的空间信息。这种设计促进了全面的特征学习过程，捕捉了医学图像中的复杂细节和更广泛的语义上下文。我们在公开可用的ACDC MRI心脏分割数据集和Synapse CT腹部分割数据集上进行了实验。结果表明，在相同的超参数设置下，Mamba-UNet在医学图像分割中优于几种类型的UNet。源代码和基准实现可供使用。

本论文旨在解决医学图像分割中长距离依赖建模的问题，提出了一种结合Mamba架构和U-Net的新型神经网络Mamba-UNet。

Mamba-UNet采用了纯视觉Mamba编码器-解码器结构，并融合了跳跃连接以保留网络不同尺度之间的空间信息，同时在VMamba块中引入了新的集成机制以增强编码器和解码器之间的信息流动，从而提高了医学图像分割的性能。

论文在公开可用的ACDC MRI心脏分割数据集和Synapse CT腹部分割数据集上进行了实验，结果表明Mamba-UNet在相同的超参数设置下优于多种类型的UNet。研究者公开了源代码和基线实现。

最近的研究集中在CNN和ViT上，这两种架构在医学图像分析中都有出色的表现。与之前的研究不同，本论文提出了一种新型神经网络Mamba-UNet，结合了Mamba架构和U-Net，以解决长距离依赖建模的问题。