Serp-Mamba: Advancing High-Resolution Retinal Vessel Segmentation with Selective State-Space Model

要約

超広視野走査型レーザー検眼鏡 (UWF-SLO) 画像は、通常 200 度にわたる網膜の高解像度ビューをキャプチャします。
UWF-SLO 画像における血管の正確なセグメンテーションは、眼底疾患の検出と診断に不可欠です。
最近の研究では、Mamba の選択的状態空間モデル (SSM) が、細長い血管構造の連続性を捉えるために重要な長距離依存関係のモデル化に優れた性能を発揮することが明らかになりました。
これに触発されて、私たちはこの困難なタスクに対処するための最初の Serpentine Mamba (Serp-Mamba) ネットワークを提案します。
具体的には、血管の管状構造が複雑で多様かつ繊細な性質を持っていることを私たちは認識しています。
さらに、UWF-SLO 画像の高解像度により、血管と背景のカテゴリ間の不均衡が悪化します。
上記の観察に基づいて、我々はまず、曲がりくねった血管構造に沿って蛇のように這うように UWF-SLO 画像をスキャンする Serpentine Interowned Adaptive (SIA) スキャン機構を考案します。
このアプローチは、血管テクスチャー変換と一致しており、湾曲した血管構造の特徴を効果的かつ継続的に捕捉することを保証します。
第 2 に、高解像度画像によって強化されるカテゴリーの不均衡問題に対処するために、Ambiguity-Driven Dual Recalibration (ADDR) モジュールを提案します。
当社の ADDR モジュールは、2 つの学習可能なしきい値によってピクセルを描写し、二重駆動戦略を通じてあいまいなピクセルを洗練することで、血管と背景領域を正確に区別します。
3 つのデータセットに関する実験結果は、高解像度の血管セグメンテーションにおける Serp-Mamba の優れたパフォーマンスを示しています。
また、当社の設計の影響を検証するために一連のアブレーション研究も実施しています。
私たちのコードは、この著作物の出版と同時に公開されます。

要約(オリジナル)

Ultra-Wide-Field Scanning Laser Ophthalmoscopy (UWF-SLO) images capture high-resolution views of the retina with typically 200 spanning degrees. Accurate segmentation of vessels in UWF-SLO images is essential for detecting and diagnosing fundus disease. Recent studies have revealed that the selective State Space Model (SSM) in Mamba performs well in modeling long-range dependencies, which is crucial for capturing the continuity of elongated vessel structures. Inspired by this, we propose the first Serpentine Mamba (Serp-Mamba) network to address this challenging task. Specifically, we recognize the intricate, varied, and delicate nature of the tubular structure of vessels. Furthermore, the high-resolution of UWF-SLO images exacerbates the imbalance between the vessel and background categories. Based on the above observations, we first devise a Serpentine Interwoven Adaptive (SIA) scan mechanism, which scans UWF-SLO images along curved vessel structures in a snake-like crawling manner. This approach, consistent with vascular texture transformations, ensures the effective and continuous capture of curved vascular structure features. Second, we propose an Ambiguity-Driven Dual Recalibration (ADDR) module to address the category imbalance problem intensified by high-resolution images. Our ADDR module delineates pixels by two learnable thresholds and refines ambiguous pixels through a dual-driven strategy, thereby accurately distinguishing vessels and background regions. Experiment results on three datasets demonstrate the superior performance of our Serp-Mamba on high-resolution vessel segmentation. We also conduct a series of ablation studies to verify the impact of our designs. Our code shall be released upon publication of this work.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google