mamba相关的图像分割：VM-Unet,Manba-Unet,BRAU-Net++,MDD-Unet,EGE-Unet,U-Mamba
2024.01.01_BRAU-Net++
Paper:BRAU-Net++: U-Shaped Hybrid CNN-Transformer Network for Medical Image Segmentation
https://arxiv.org/pdf/2401.00722.pdf
2024.01.09_U-Mamba
Paper:U-Mamba: Enhancing Long-range Dependency for Biomedical Image Segmentation
arxiv.org/pdf/2401.04722.pdf
Code:bowang-lab/U-Mamba: U-Mamba: Enhancing Long-range Dependency for Biomedical Image Segmentation (github.com)
受状态空间序列模型（SSM）这一新的深度序列模型家族的启发，该模型以其处理长序列的强大能力而闻名，论文设计了一个混合 CNN-SSM 模块，它将卷积层的局部特征提取能力与以下能力集成在一起： 用于捕获远程依赖性的 SSM。 此外，U-Mamba 具有自我配置机制，无需人工干预即可自动适应各种数据集。
2024.02.04_VM-UNet
Paper：VM-UNet: Vision Mamba UNet for Medical Image Segmentation2402.02491.pdf (arxiv.org)
Code：JCruan519/VM-UNet: This is the official code repository for "VM-UNet: Vision Mamba UNet for Medical Image Segmentation". (github.com)
论文框架包含了：Patch Embedding layer, an encoder, a decoder, a Final Projection layer, and skip connections.
结果
2024.02.05_Swin-UMamba：基于Mamba和ImageNet预训练的医学图像分割模型
Paper:2402.03302.pdf (arxiv.org)
Code:JiarunLiu/Swin-UMamba: Swin-UMamba: Mamba-based UNet with ImageNet-based pretraining (github.com)
总结
- 相比较于U-Mamba，Swin-UMamba在三种医学图像分割任务指标上可以取得平均3.58%的提升。
- 该篇工作通过实验验证了ImageNet预训练对基于Mamba的医学图像分割模型起到非常重要的作用，在迭代次数不变的情况下最高可为Swin-UMamba带来13.08%的DSC提升。
- 提出了一种变体网络Swin-UMamba，其仅需要相比于U-Mamba不到1/2的网络参数量和约1/3的FLOPs就能够实现与Swin-UMamba相近的性能。
2024.02.07_Mamba-UNet
Paper：Mamba-UNet: UNet-Like Pure Visual Mamba for Medical Image Segmentation2402.05079.pdf (arxiv.org)
Code：JCruan519/VM-UNet: This is the official code repository for "VM-UNet: Vision Mamba UNet for Medical Image Segmentation". (github.com)
在本论文中，简单介绍了之前论文的VSS块，编码器，解码器，Bottleneck & Skip Connetions
在本文中作者认为与典型的视觉转换器不同，VSS 模块了位置嵌入。视觉转换器不同，它没有 MLP 结构、所以就能在相同的深度预算内堆叠更密集的区块。
参考文献
【1】2024.01.18_VMamba: Visual State Space Model2401.10166.pdf (arxiv.org)
【2】VM-UNet:视觉Mamba UNet用来医学图像分割 论文及代码解读_vision mamba-CSDN博客
