文章目录
- 摘要
- 1 简介
- 2、方法论
-
- 2.1、架构概述
- 2.2、编码器块
- 2.3、瓶颈块
- 2.4、解码器块
- 3、实验
- 4、结论
摘要
https://arxiv.org/pdf/2403.05246.pdf
UNet及其变体在医学图像分割中得到了广泛应用。然而，这些模型，特别是基于Transformer架构的模型，由于参数众多和计算负载大，使得它们不适合用于移动健康应用。最近，以Mamba为代表的状态空间模型（SSMs）已成为CNN和Transformer架构的有力竞争者。在此基础上，我们采用Mamba作为UNet中CNN和Transformer的轻量级替代方案，旨在解决真实医疗环境中计算资源限制带来的挑战。为此，我们引入了轻量级Mamba UNet（LightM-UNet），将Mamba和UNet集成在一个轻量级框架中。具体来说，LightM-UNet以纯Mamba