摘要：【目的】根据国际癌症研究机构于2024年发布的《全球癌症统计2022》报告，在36种癌症类型中，结直肠癌在新发病例中排名第三，在致死率中排名第二。在现代医学实践中，直肠癌的精准治疗至关重要。然而，直肠癌的形态多样性以及肿瘤与周围组织之间的相似性，使得自动分割面临挑战。三维磁共振成像（3D MRI）在诊断和治疗规划中发挥着关键作用，其提供了超越传统二维成像的空间细节信息，有助于深入理解肿瘤结构及其与邻近组织之间的关系。【方法】本研究提出了一种新型的基于体素的分割模型FlexMamba U-Net（FMU-Net），旨在提升直肠癌分割的精度，解决局部特征提取与远程依赖建模的问题。FMU-Net由两个并行的特征提取分支组成。其中一个分支通过自适应采样提取多尺度局部特征，另一个分支则引入了创新的MambaFusionUnit模块，用以捕捉远程依赖关系并与局部特征融合，从而增强边界识别能力及局部细节提取。在解码阶段，模型引入了改进的注意力机制，以解决层间信息利用受限的问题，从而有效整合编码阶段提取的特征。【结果】在两个数据集上，FMU-Net分别达到了0.8008和0.6916的Dice系数，相较于性能第二的模型分别提高了5.74%和12.83%。【结论】FMU-Net在不同数据集上均表现出强大的分割能力，能够精准捕捉肿瘤的轮廓与形态，其出色的性能显示出其作为辅助医生进行直肠癌诊断与治疗决策的有效工具的潜力。
文章目录
1 FMU-Net模型设计
1.1 网络整体架构
1.2 大核深度可变形卷积模块
1.3 状态空间模型与卷积结构的协同建模
1.4 动态融合门控注意力机制
2 实 验
2.1 数据
2.2 损失函数
2.3 评价指标
2.4 实验设置
2.5 消融实验
2.6 结构变体实验
2.7 与其他先进方法的比较
2.8 新华数据集上的实验结果
3 结 语
