MS-UMamba: An Improved Vision Mamba Unet for Fetal Abdominal Medical Image Segmentation

📄 arXiv: 2506.12441v1 📥 PDF

作者: Caixu Xu, Junming Wei, Huizhen Chen, Pengchen Liang, Bocheng Liang, Ying Tan, Xintong Wei

分类: cs.CV, cs.AI

发布日期: 2025-06-14

💡 一句话要点

MS-UMamba：改进的Vision Mamba Unet用于胎儿腹部医学图像分割

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)

关键词: 医学图像分割 胎儿超声 Mamba Unet 卷积神经网络 多尺度特征融合 空间注意力机制

📋 核心要点

  1. 胎儿超声图像分割面临封闭结构、边界模糊和小结构等挑战，现有方法难以兼顾局部特征提取和全局上下文建模。
  2. MS-UMamba通过结合Mamba的全局建模能力和卷积的局部表示能力，设计了SS-MCAT-SSM模块，增强特征学习。
  3. 提出的多尺度特征融合模块集成了空间注意力机制，有效融合不同层的特征，提升了模型分割性能。

📝 摘要（中文）

本文提出了一种名为MS-UMamba的新型混合卷积-Mamba模型，用于胎儿超声图像分割，旨在平衡局部特征提取和全局上下文建模的需求。针对胎儿超声图像中常见的封闭解剖结构、模糊边界和小解剖结构等挑战，该模型设计了一个集成了CNN分支的视觉状态空间块（SS-MCAT-SSM），利用Mamba的全局建模能力和卷积层的局部表示优势来增强特征学习。此外，还提出了一个高效的多尺度特征融合模块，该模块集成了空间注意力机制，整合来自不同层的特征信息，从而增强模型的特征表示能力。在非公开数据集上的大量实验结果表明，MS-UMamba模型在分割性能方面表现出色。

🔬 方法详解

问题定义：胎儿超声图像分割任务面临着诸多挑战，包括解剖结构的封闭性、边界的模糊性以及小尺寸解剖结构的存在。这些问题使得传统的分割方法难以有效地提取图像中的局部特征和捕捉全局上下文信息，从而影响分割精度。现有方法在平衡局部特征提取和全局上下文建模方面存在不足。

核心思路：MS-UMamba的核心思路是结合Mamba架构的全局建模能力和卷积神经网络（CNN）的局部特征提取优势。通过将两者融合，模型能够更好地理解图像中的上下文信息，并精确地分割出目标区域。这种混合架构旨在克服传统方法在处理复杂医学图像时的局限性。

技术框架：MS-UMamba模型基于Unet架构，并引入了视觉状态空间块（SS-MCAT-SSM）作为其核心组成部分。该模型包含编码器和解码器两个主要部分。在编码器中，输入图像经过一系列的SS-MCAT-SSM块进行特征提取。解码器则利用多尺度特征融合模块，将不同层的特征信息进行整合，并通过上采样操作逐步恢复图像分辨率。最终，模型输出分割结果。

关键创新：MS-UMamba的关键创新在于SS-MCAT-SSM块的设计，它将Mamba的全局建模能力与CNN的局部特征提取能力相结合。此外，多尺度特征融合模块通过引入空间注意力机制，能够自适应地选择不同层级的特征信息，从而增强模型的特征表示能力。这种混合架构是与现有方法的本质区别。

关键设计：SS-MCAT-SSM块包含一个Mamba分支和一个CNN分支，分别用于全局上下文建模和局部特征提取。多尺度特征融合模块利用空间注意力机制来加权融合不同层的特征图。损失函数未知，但通常医学图像分割会采用Dice Loss或Cross Entropy Loss。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

论文在非公开数据集上进行了实验，结果表明MS-UMamba模型在胎儿腹部医学图像分割任务中表现出色。虽然没有提供具体的性能数据和对比基线，但摘要强调了该模型在分割性能方面的优越性，暗示了其相对于现有方法的显著提升。

🎯 应用场景

MS-UMamba在胎儿腹部医学图像分割领域具有广泛的应用前景，可以辅助医生进行胎儿发育评估和疾病诊断。该研究成果有助于提高胎儿超声图像分割的准确性和效率，从而改善临床诊断水平，并为未来的医学图像分析提供新的思路。

📄 摘要（原文）

Recently, Mamba-based methods have become popular in medical image segmentation due to their lightweight design and long-range dependency modeling capabilities. However, current segmentation methods frequently encounter challenges in fetal ultrasound images, such as enclosed anatomical structures, blurred boundaries, and small anatomical structures. To address the need for balancing local feature extraction and global context modeling, we propose MS-UMamba, a novel hybrid convolutional-mamba model for fetal ultrasound image segmentation. Specifically, we design a visual state space block integrated with a CNN branch (SS-MCAT-SSM), which leverages Mamba's global modeling strengths and convolutional layers' local representation advantages to enhance feature learning. In addition, we also propose an efficient multi-scale feature fusion module that integrates spatial attention mechanisms, which Integrating feature information from different layers enhances the feature representation ability of the model. Finally, we conduct extensive experiments on a non-public dataset, experimental results demonstrate that MS-UMamba model has excellent performance in segmentation performance.