基于Mamba-Transformer混合架构的腹部超声图像AI辅助解剖结构识别与分割研究

这篇研究论文创新性地提出MaskHybrid框架，通过融合Mamba状态空间模型与Transformer架构（mAP15达74.13%），在34,711例腹部超声图像中实现肝静脉、胆囊等9类解剖标志物的高效分割（推理时间0.120±0.013秒），为临床实时诊断提供AI解决方案。

　　

1 引言
腹部超声(US)作为临床常规检查手段，其图像解读面临分辨率低、器官边界模糊等挑战。传统深度神经网络(DNN)和Transformer模型在保持特征依赖性与计算效率间难以平衡。针对34,711张临床超声图像的分析显示，现有方法在同时识别多器官时存在局限，亟需开发兼顾精度与速度的新型架构。

2 材料与方法
2.1 数据集
研究采用CSMUH医院2,063例患者的腹部US图像，涵盖肝静脉、门静脉等7类器官和肝囊肿/肿瘤2类病变。通过GrabCut算法生成多边形标注，按6:2:2比例划分训练/验证/测试集。

2.2 算法创新
提出的MaskHybrid框架包含三大模块：

• 混合骨干网络：前两阶段采用卷积块，后两阶段融合4层Mamba-2模块与4层多头自注意力块
• 混合编码器：6层Transformer中替换1层为Mamba-2块，增强长程依赖捕捉
• 纯Transformer解码器：9层结构避免小token场景下Mamba的交互不足

2.3 评估指标
采用mAP₁₅（IoU阈值0.15）作为主要指标，兼顾临床实用性与筛查需求。

3 结果
3.1 性能对比
MaskHybrid以74.13% mAP₁₅超越基线模型：

• 大器官分割优异：胆囊(91.79%)、肾脏(95.47%)
• 血管结构突破：肝静脉(60.71%)识别率提升显著
• 推理速度达0.120秒，较Swin-T快2.5倍

3.2 可视化优势
如图4所示，模型成功识别基线漏诊的肝静脉（图A）和门静脉（图B），且避免假阳性肿瘤标记。

4 讨论
4.1 计算效率突破
Mamba的并行化循环机制将Transformer的O(N²)复杂度降至线性，实现精度与速度双提升。
4.2 临床适应性
低IoU阈值设计更符合实际筛查需求，如图6所示，模型甚至能补全专家漏标的肝静脉结构。
4.3 局限性
严重肠气干扰图像未纳入训练，且存在左右方位误判案例（如肝脾混淆）。

5 结论
该研究开创性地将Mamba与Transformer融合，为腹部超声实时AI诊断建立新范式，未来可拓展至肿瘤亚型鉴别等深度应用场景。