基于双域交叉约束 MIM 的混合对称卷积 -Mamba 网络用于发育性髋关节发育不良超声诊断

《Medical & Biological Engineering & Computing》：Dual-domain cross-constraint MIM based hybrid symmetry convolution-Mamba network for ultrasound diagnosis of DDH

　　

摘要

发育性髋关节发育不良（DDH）是婴儿常见的一种严重先天性疾病，通常通过B超（BUS）进行早期诊断。基于深度学习的计算机辅助诊断已证明在从B超图像中诊断DDH方面具有有效性。然而，小样本问题仍然是个挑战。为此，本文提出了一种基于双域交叉约束掩码图像建模的混合对称卷积-Mamba网络（DCM-SCMNet），用于在训练样本有限的情况下进行基于B超的DDH诊断。在预训练任务中，采用共享的混合编码器和两个解码器设计了双域（空间和频域）掩码图像建模（MIM）。随后，为两个解码器的双域重建开发了一种特殊的双域交叉约束策略，该策略有助于学习更内在的特征表示。此外，还提出了一种新颖的SCMNet作为MIM的编码器，将对称卷积和一种新颖的对称Mamba整合到一个模块中，以有效捕捉B超图像中髋部更多的内在解剖对称性。特别是，对称Mamba设计了一种针对骨结构对称特性的双向扫描机制，从而能有效学习特征表示并保持计算效率。实验结果表明，DCM-SCMNet在DDH数据集上优于所有对比算法。

图形摘要