《Frontiers in Earth Science》：Structure-constrained UMamba3D for seismic fault segmentation and application in the Sichuan Basin
编辑推荐：
摘要
引言： 从三维地震数据体中自动进行断层分割仍然具有挑战性，因为断层稀疏、薄且易被噪声、弱反射、采集足迹和复杂地层不连续性所掩盖。
方法： 本研究提出UMamba3D，一种用于地震断层概率估计的轻量级三维编码器-解码器框架。UMamba3D集成了U-Net
摘要
引言： 从三维地震数据体中自动进行断层分割仍然具有挑战性，因为断层稀疏、薄且易被噪声、弱反射、采集足迹和复杂地层不连续性所掩盖。
方法： 本研究提出UMamba3D，一种用于地震断层概率估计的轻量级三维编码器-解码器框架。UMamba3D集成了U-Net卷积骨干网络、用于空间序列混合的紧凑型Mamba启发式瓶颈模块以及结构约束学习目标函数。该瓶颈模块将低分辨率体素特征重塑为空间令牌，并结合深度一维卷积、层归一化、通道投影、SiLU激活和残差融合，从而在不引入全局自注意力机制的情况下增强了局部三维卷积之外的上下文交互。学习目标函数结合了类别平衡二元交叉熵损失、Tversky损失和局部结构约束，以解决前景稀疏性、假阳性控制和薄断层标签周围的小空间偏移问题。实验在公开的FaultSeg3D合成基准数据集上进行，包含200个训练立方体和20个验证立方体，尺寸均为128 × 128 × 128，随后应用于来自四川盆地的实际地震数据体。
结果： 通过控制变量架构对比、功能旁路分析和含噪输入测试，研究人员揭示了瓶颈模块在假阳性控制和断层对齐特征调制中的作用，并表明其在强噪声下具有面向召回率的鲁棒性优势。与特征相干属性、断层似然属性和U-Net的实际数据对比显示，在所测试的方法中，UMamba3D产生了地质可解释性最强且抗噪声能力最优的断层候选结果。
讨论： 这些发现表明，UMamba3D是一种在含噪三维地震数据体中进行断层概率估计和解释的有前景的方法。
论文解读：结构约束UMamba3D在地震断层分割中的应用
一、研究背景与问题
地震断层解释是构造解释、油气勘探、储层评价和地质建模的基础。传统断层检测主要依赖相干体、方差、曲率等地震几何属性，这些方法物理可解释性强且无需标注数据，但通常需要人工参数调优，且易受随机噪声、振幅变化、采集足迹和地层不连续性的干扰。近年来，深度学习特别是卷积神经网络（CNN）的发展为自动断层分割提供了新途径，通过将任务建模为密集二元分割实现逐体素的断层概率预测。然而，现有CNN骨干网络主要依赖局部卷积运算，难以表征长距离断层轨迹和弱分支延伸；同时，断层体素高度稀疏，标准损失函数难以充分刻画薄断层的分割质量。尽管Transformer和注意力机制能建模长程依赖，但其全局自注意力在三维地震数据中计算开销巨大。因此，亟需一种兼顾高效计算与长程上下文建模能力的轻量级框架。
二、研究方法概述
研究人员提出了UMamba3D框架，其关键技术包括：（1）采用三阶段下采样和三阶段上采样的U-Net拓扑结构，基础通道数为8，通道序列为[8, 16, 32, 64]；（2）在瓶颈层嵌入Mamba启发式空间上下文模块，该模块将低分辨率特征体重塑为空间序列，经深度一维卷积、层归一化、线性投影和SiLU激活后与原始特征残差融合，以增强长程上下文交互而不引入全局自注意力；（3）设计复合损失函数，由类别平衡二元交叉熵（BCE）、Tversky损失（α=0.8, β=0.2）和局部结构约束项组成，分别应对前景稀疏性、精度-召回率权衡和薄断层亚体素空间错位；（4）采用高度/宽度（H/W）翻转测试时增强（TTA）和固定阈值推理策略。训练和验证使用公开的FaultSeg3D合成数据集，包含200个训练立方体和20个验证立方体，尺寸均为128×128×128，并应用于四川盆地实际地震数据体。
三、研究结果
3.1 主验证性能与H/W翻转TTA效果
在H/W翻转TTA协议下，UMamba3D在20个验证体上取得平衡的分割性能。阈值为0.90时，Dice系数0.7929，交并比（IoU）0.6593，精确率0.7946，召回率0.7949，F0.5分数0.7934，F2分数0.7936，薄断层品质因数（Thin-FOM）0.9186。预测正例比为0.0728，接近标签正例比0.0723，表明预测概率与稀疏标签分布一致。与无TTA相比，H/W翻转TTA提升了Dice、IoU、精确率和F0.5，召回率略有下降，这种权衡有利于减少孤立假阳性。
3.2 阈值敏感性分析
阈值敏感性分析展示了精度-召回率权衡。0.90阈值提供平衡的操作点，0.92提升精确率和F0.5但降低召回率，0.95是最保守的操作点，适用于优先抑制假阳性的场景，但会显著降低召回率和薄断层连续性。
3.3 瓶颈模块功能依赖性与架构对比
通过加载同一训练检查点后将Mamba瓶颈替换为恒等映射的消融实验，发现移除训练后的Mamba瓶颈导致Dice下降0.0623，精确率下降0.0822，F0.5下降0.0767，Thin-FOM下降0.0976，而召回率变化很小，证明瓶颈主要改善假阳性控制和结构对齐。与重新训练的普通3D U-Net、参数匹配的卷积瓶颈模型和SwinUNETR对比，UMamba3D在干净数据上的Dice与普通U-Net（0.7824）和卷积瓶颈模型（0.7796）接近（0.7789），但参数仅为SwinUNETR的1/44.1，且召回率、F2和Thin-FOM更高，体现了紧凑性与断层恢复能力的良好权衡。
3.4 高斯噪声鲁棒性
在0%至20%的五级高斯噪声测试中，三个紧凑模型在低噪声水平表现接近。在20%强噪声下，UMamba3D的Dice（0.5649）、召回率（0.5706）、F2（0.5668）和Thin-FOM（0.7441）均优于卷积瓶颈模型（0.5343、0.4785、0.4972、0.6479）和普通U-Net（0.4225、0.3360、0.3639、0.4805）。Dice保持率分别为72.53%、68.54%和54.00%。UMamba3D的优势主要体现在对弱连续断层响应的保持而非所有指标的均匀提升。
3.5 损失函数组件消融
四种损失配置的对比实验表明，类别平衡BCE获得最高精确率（0.7999）但最低召回率（0.7393）；加入Tversky损失后召回率提升至0.7643；进一步添加局部结构约束项使Dice从0.7647升至0.7685，召回率从0.7643升至0.7758，F2从0.7643升至0.7726，精确率略降（0.7665降至0.7636），表明局部结构项提供了适度的面向召回率的改进。
四、讨论与结论
研究表明，UMamba3D在合成数据和四川盆地实际数据上均表现出竞争力的分割精度、良好的计算效率和强噪声下的面向召回率的稳健性。Mamba启发式瓶颈模块通过高效的短核序列混合和通道投影，在不增加大量计算开销的前提下增强了瓶颈层的上下文表示能力，有效改善了假阳性控制和薄断层结构对齐。复合损失函数的设计通过类别平衡、Tversky惩罚和局部空间容差的协同作用，缓解了断层稀疏性和空间错位问题。这些发现表明，UMamba3D是在含噪三维地震数据体中进行断层概率估计和解释的一种有前景的方法。
