本网讯 近日，我校陈永麟老师为第一作者，联合南京林业大学唐金辉教授团队、安徽大学李学俊、王华彬教授团队及武汉市第三人民医院（武汉大学附属同仁医院）影像科室团队，在《Pattern Recognition》上发表题为“DAF-Mamba: Dynamic selective and adaptive fused mamba for cardiac image segmentation”的学术论文。《Pattern Recognition》是由Elsevier集团出版的机器学习、人工智能领域国际权威期刊，2025年影响因子为8.0，中科院SCI一区TOP期刊。
图1 论文首页
目前，心脏病变区域的精准分割对于临床诊断和治疗规划至关重要。然而，现有主流技术如卷积神经网络因局部感受野限制易导致边界模糊，而Transformer模型虽具备全局感知能力，但在复杂病变区域的细微结构分割上仍面临挑战。为解决这一瓶颈问题，研究团队创新性地提出了DAF-Mamba的高性能分割模型，设计了两个核心模块：动态多尺度选择模块（DMSM）与自适应特征融合模块（AFFM）。前者能够根据特征图复杂度动态调整处理尺度，在保障精度的同时优化计算效率；后者通过有效融合局部与全局信息，显著增强了模型对精细结构和边界的刻画能力。该模型在CT、超声和MRI等多种心脏影像数据集上进行了广泛验证，实验结果表明，其在Dice、ASD、HD95、IoU和Acc多项评价指标上均优于现有主流模型。
图2 DAF-Mamba模型框架图
图3 算法效果对比图
目前，该研究的源代码已公开发布，旨在推动相关领域的共同进步，也彰显了我校在应用前沿人工智能技术解决实际医学难题方面的科研实力。该研究得到了中国国家重点研发计划项目和安徽省教育厅自然科学重点项目资助。（文：陈永麟 一审：杨玲 二审：谢陈磊 三审：张润梅）
编辑：蒋芮；二审：谢炜；终审：徐庚阳
