一种基于边缘感知Mamba网络的医学图像模糊边界分割方法

本发明公开了一种基于边缘感知Mamba网络的医学图像模糊边界分割方法。针对医学图像中伪装病理结构在视觉上与周围健康组织相似，导致分割困难，以及传统伪装目标检测(COD)方法由于注意力机制的二次计算复杂度使临床部署困难的问题，本发明创新性地将COD启发的边界引导模块与线性复杂度状态空间建模相结合，提出了E‑Mamba边缘引导框架。该框架采用编码器‑边缘引导‑解码器结构，在保持计算效率的同时实现准确的边界描绘。系统包含五个核心组件：Mamba编码器；自适应融合处理模块(AFM)；边缘检测模块(EDM)；边缘引导模块(EGM)；Mamba解码器。实验表明，本发明在多个医学数据集上实现了先进的分割精度，同时将计算复杂度从O(n2)降低到O(n)，使临床部署成为可能。