仿生并行通路网络(BPP-Net)：基于生物视觉机制的多尺度肝肿瘤精准分割方法

【编辑推荐】本文受生物视觉系统串并联结构启发，提出仿生并行通路网络(BPP-Net)，通过多尺度对抗性曼巴模块(antagonistic-Mamba)模拟视觉通路细胞拮抗特性，结合双通道特征融合解码器，在LiTS2017和BEIDC2024数据集上以仅0.14M参数量实现SOTA性能，为生物计算机视觉领域提供新范式。

　　

亮点

• 受视觉通路并行处理机制启发，提出包含三个不同尺度对抗性曼巴模块的并行通路编码器结构，相比经典曼巴结构，该模块通过模拟视觉拮抗特性并整合额外前馈通路，显著提升网络对低对比度区域的特征提取能力。

• 基于视觉IT层的多通道交互前馈信息整合特性，设计可逐层优化分割结果的双通道特征融合解码器，结合视觉皮层拓扑映射结构，实现模型复杂度与检测精度的完美平衡。

方法

生物视觉系统作为高度专业化的多层网络，通过"视网膜→外侧膝状体(LGN)→V1区"的第一视觉通路传递信息。本研究创新性地构建了模拟该通路的三条并行流：

1. 大细胞通路：采用4倍下采样对抗性曼巴模块捕获全局上下文特征，模拟对运动信息的快速响应；

2. 小细胞通路：通过2倍下采样模块提取中等尺度特征，对应形状识别功能；

3. 粒状通路：保持原始分辨率处理细节特征，类比颜色感知机制。

每个对抗性曼巴模块包含：

• 中心-周边拮抗单元：模拟视网膜神经节细胞的同心圆拮抗感受野

• 双极性细胞模拟器：通过可分离卷积实现亮度对比增强

• 水平细胞反馈环：采用门控机制调节特征响应

结论

通过模拟生物视觉并行通路机制构建的对抗性曼巴框架，在LiTS2017数据集上取得87.2%的Dice系数，推理速度达45FPS。该研究证实将生物机制融入深度学习模型设计的可行性，为医学图像分割领域提供新的架构范式。