MedMamba: Vision Mamba for Medical Image Classification

要約

医療画像の分類は、コンピューター ビジョンの分野において非常に基本的かつ重要なタスクです。
近年、CNN ベースおよび Transformer ベースのモデルが、さまざまな医療画像の分類に広く使用されています。
残念ながら、長距離モデリング機能における CNN の制限により、医療画像の詳細な特徴を効果的に抽出することができません。また、Transformer は二次計算の複雑さによって妨げられます。
最近の研究では、Mamba に代表される状態空間モデル (SSM) が、線形の計算複雑さを維持しながら長距離相互作用を効率的にモデル化できることが示されています。
これにインスピレーションを得て、私たちは医療画像分類用の Vision Mamba (MedMamba) を提案します。
より具体的には、畳み込み層の局所特徴抽出機能と、長距離依存関係を捕捉する SSM の機能を組み合わせた、新しい Conv-SSM モジュールを導入します。
MedMamba の可能性を実証するために、私たちはさまざまなイメージング技術 (つまり、Kvasir (内視鏡画像)、FETAL_PLANES_DB (超音波画像)、および Covid19-肺炎-正常胸部 X-Ray (X 線画像) を備えた 3 つの公的に利用可能な医療データセットを使用して広範な実験を実施しています。
)) と私たち自身が構築した 2 つのプライベート データセット。
実験結果は、提案された MedMamba がさまざまな医療画像内の病変の検出に優れた性能を発揮することを示しています。
私たちの知る限り、これは医療画像分類用に調整された最初の Vision Mamba です。
この研究の目的は、医療画像分類タスクの新しいベースラインを確立し、医療におけるより効率的かつ効果的な SSM ベースの人工知能アルゴリズムとアプリケーション システムの将来の開発に貴重な洞察を提供することです。
ソースコードは https://github.com/YubiaoYue/MedMamba で入手できます。

要約(オリジナル)

Medical image classification is a very fundamental and crucial task in the field of computer vision. These years, CNN-based and Transformer-based models are widely used in classifying various medical images. Unfortunately, The limitation of CNNs in long-range modeling capabilities prevent them from effectively extracting fine-grained features in medical images , while Transformers are hampered by their quadratic computational complexity. Recent research has shown that the state space model (SSM) represented by Mamba can efficiently model long-range interactions while maintaining linear computational complexity. Inspired by this, we propose Vision Mamba for medical image classification (MedMamba). More specifically, we introduce a novel Conv-SSM module, which combines the local feature extraction ability of convolutional layers with the ability of SSM to capture long-range dependency. To demonstrate the potential of MedMamba, we conduct extensive experiments using three publicly available medical datasets with different imaging techniques (i.e., Kvasir (endoscopic images), FETAL_PLANES_DB (ultrasound images) and Covid19-Pneumonia-Normal Chest X-Ray (X-ray images)) and two private datasets built by ourselves. Experimental results show that the proposed MedMamba performs well in detecting lesions in various medical images. To the best of our knowledge, this is the first Vision Mamba tailored for medical image classification. The purpose of this work is to establish a new baseline for medical image classification tasks and provide valuable insights for the future development of more efficient and effective SSM-based artificial intelligence algorithms and application systems in the medical. Source code has been available at https://github.com/YubiaoYue/MedMamba.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google