REFORMamba-Unet：基于层次门控重聚焦卷积与Mamba的U形网络在肺动脉CT血管造影三维医学影像中的肺栓塞分割研究

本文提出了一种创新的医学图像分割架构REFORMamba-Unet，通过整合层次门控三维重聚焦卷积网络（HGREF）与定向Mamba策略（Orientation Mamba），有效解决了传统二维方法在肺栓塞（PE）计算机断层扫描肺动脉造影（CTPA）三维影像分割中难以捕捉完整空间结构的挑战。该设计在保证计算效率的同时，显著提升了局部与全局特征提取能力，在自有数据集（PECTPA）及公开数据集上的实验均验证了其高分割精度，为PE的快速精准诊断提供了有力工具。

　　

Highlight

• •
  (1) 层次门控三维重聚焦卷积（HGREF）：我们提出了一种新颖的重聚焦卷积模块，能在三维空间中增强卷积表示，同时保持计算效率。
• •
  (2) 定向Mamba集成：我们在编码器阶段设计了一种双向定向Mamba结构，以改进长程依赖关系建模并增强体积特征表示。
• •
  (3) 临床标注数据集：我们介绍了PECTPA，一个用于肺栓塞分割的临床标注CTPA数据集，为该领域的未来研究提供了宝贵资源。

The proposed REFORMamba-Unet

所提出的REFORMamba-Unet框架，如图1所示，采用了一种自适应索引分割设计，将专用模块集成在U形架构中。具体来说，我们将编码器分为两部分。在第一部分，引入了层次化的HGREF结构，通过可变卷积机制捕捉体积医学图像中的复杂空间关系。在第二部分，我们用定向Mamba结构替换了HGREF块，该结构...

Dataset

为了解决真实的临床问题，我们在宁夏回族自治区人民医院进行了一项回顾性研究。该研究收集了2013年至2023年的急性肺栓塞诊断病例。此外，我们使用涵盖不同疾病领域的公共数据集（MSD Lung Tumours 和 ImageCAS）评估了REFORMamba-Unet的性能和可扩展性。REFORMamba-Unet继承了nnU-Net的自配置能力，这使得模型能够动态适应...

Limitation and future work

尽管REFORMamba-Unet取得了令人鼓舞的结果，但仍存在一些局限性。首先，新构建的PECTPA数据集仅包含来自单一机构的145个患者病例，这可能限制了其泛化能力。其次，尽管在MSD Lung Tumours和ImageCAS等外部数据集上进行了额外实验，但仍需在多样化的多中心数据集上进行更大规模的验证以充分确立其鲁棒性。最后，虽然分割精度很高，但...

Conclusion

在本文中，我们提出了REFORMamba-Unet，一种用于医学图像分割的自适应框架。编码器部分由设计的HGREF和定向Mamba组成。首先，我们在设计的HGREF中使用具有重参数化重聚焦卷积的3D卷积来替换原始类型的卷积，仅需少量额外计算即可进一步改善训练好的CNN的表示能力。然后，我们在编码器后阶段设计了一个双向的状态空间模型（SSM）结构的Mamba，以...