使用 Visual Mamba 对任何模型进行 3D 分段，用于诊断植入性胎盘频谱

植入性胎盘 (PAS) 是一种罕见但高度危险的产科疾病。早期、准确的 PAS 诊断对于孕产妇健康至关重要。传统的 PAS 诊断依赖于经验丰富的医生通过分析剖腹产史和磁共振成像 (MRI) 数据。然而，区级医院往往缺乏准确诊断 PAS 的专业知识和资源。为了应对这些挑战，我们建立了第一个基于 MRI 的 PAS 数据集，其中包括细粒度分割和分类注释。同时，通过从子宫 MRI 图像中分割病变区域可以显着增强 PAS 的诊断。为了实现自动 PAS 诊断，我们提出了 3DSAMba，一种用于有效病变分割的新颖特征学习框架。更具体地说，我们首先设计了一个 3D 分段任意模型 (SAM)，并通过高效的适配器机制将医学领域信息合并到模型中。此外，我们引入了多级聚合 Mamba (MLAM) 来聚合不同级别的特征图，并引入融合状态空间模型 (FSSM) 来融合来自编码器和解码器的多尺度特征。最后，我们通过元素乘法将分割掩模应用于原始 MRI 图像，有效隔离病变区域，以实现更准确的 PAS 诊断。大量实验验证我们的框架显着提高了 PAS 诊断性能。为了便于进一步研究 PAS 诊断，我们在 https://github.com/Drchip61/PASD 发布了数据集和源代码。