基于Mamba动态感知生成对抗网络的偏振图像融合

1

作者 陈广秋 代宇航 +1 位作者 段锦 黄丹丹 《华中科技大学学报(自然科学版)》 北大核心 2026年第3期61-71,共11页

针对当前偏振图像融合算法仅仅关注融合图像在视觉效果和客观指标的优劣,而忽视了其在后续高级视觉任务(例如目标检测)中的具体应用这一现象,提出了基于Mamba动态感知生成对抗网络的偏振图像融合网络.整体框架由对抗网络和检测网络组成.... 针对当前偏振图像融合算法仅仅关注融合图像在视觉效果和客观指标的优劣,而忽视了其在后续高级视觉任务(例如目标检测)中的具体应用这一现象,提出了基于Mamba动态感知生成对抗网络的偏振图像融合网络.整体框架由对抗网络和检测网络组成.将Mamba改良并以U-Net结构引入生成器中,具体包括编码器、动态融合层(DFM)和解码器.源图像首先经过多级动态感知模块(DFPM)获取多尺度的光谱信息和偏振特征,同时在融合层对各级输出特征加以融合,随后多层融合特征进入解码器经过层层解码和重建获得融合结果.当进行训练时,生成器与鉴别器的相互对抗中融合结果会经过检测网络,另检测损失参与网络的对抗训练过程,以此提升融合图像在目标检测中的应用体现.实验结果表明:该网络获得的融合结果不仅在客观指标VIF和SSIM中比其他融合方法分别提升了10.2%和9.3%,其在后续目标检测任务中的平均精度(mAP)亦有显著改善. 展开更多

关键词 图像融合 偏振图像 生成对抗网络 mamba 目标检测

原文传递

KGMamba:基于Kolmogorov-Arnold网络优化图卷积网络和Mamba的基因调控网络预测模型

2

作者 高泰 任艳璋 +2 位作者 王会青 李颖 王彬 《计算机科学》 北大核心 2026年第4期101-111,共11页

基因调控网络(Gene Regulatory Network,GRN)推断对于解析细胞发育机制及推动精准医学研究至关重要,但是现有深度学习方法面临计算复杂度高与全局特征捕捉不足的挑战。为此,提出一种融合Kolmogorov-Arnold网络(KAN)驱动的图卷积网络(KG... 基因调控网络(Gene Regulatory Network,GRN)推断对于解析细胞发育机制及推动精准医学研究至关重要,但是现有深度学习方法面临计算复杂度高与全局特征捕捉不足的挑战。为此,提出一种融合Kolmogorov-Arnold网络(KAN)驱动的图卷积网络(KGCN)与Mamba模块的高效预测模型。首先,以KAN特有的可学习样条函数,取代图卷积网络中的多层感知器(MLP)模块。该改进在完整保留邻居节点局部特征提取能力的基础上,通过重构计算逻辑降低特征处理的冗余度,使模型计算复杂度较传统图卷积架构实现显著优化。其次,创新性地引入Mamba模块,通过其选择性机制优先关注对全局调控起关键作用的基因节点。两者结合实现了局部特征提取效率与全局依赖建模能力的协同优化。在公开数据集上与另外6种深度学习模型进行实验比较,结果显示,该模型在AUC和AUPR性能指标上都优于其他模型,同时展现出显著的鲁棒性优势和计算效率。 展开更多

关键词 基因调控网络 深度学习 Kolmogorov-Arnold网络 图卷积网络 mamba

在线阅读 下载PDF 职称材料

基于TimeVAE的1DCNN-S-Mamba组合模型光伏功率短期预测

3

作者 许可证 文中 王秋杰 《热力发电》 北大核心 2026年第1期122-133,共12页

针对极端天气下光伏功率预测存在的气象响应失准、突变特征捕捉困难及数据稀缺等问题,提出一种基于模糊C均值(fuzzy C-means,FCM)、最大信息系数(maximum information coefficient,MIC)、时序变分自编码器(time variational auto-encode... 针对极端天气下光伏功率预测存在的气象响应失准、突变特征捕捉困难及数据稀缺等问题,提出一种基于模糊C均值(fuzzy C-means,FCM)、最大信息系数(maximum information coefficient,MIC)、时序变分自编码器(time variational auto-encoders,TimeVAE)、一维卷积神经网络(1D convolutional neural network,1DCNN)和simple-Mamba(S-Mamba)的组合功率预测模型。首先,通过气象特征结合FCM聚类将天气划分为晴天、多云、降雪和降雨4类;然后,结合MIC筛选出最佳气象特征子集,同时针对极端天气样本匮乏问题,采用Time VAE进行数据生成,利用其分解式重构机制生成仿真数据;最后,使用1DCNN-S-Mamba组合模型通过局部卷积捕获短时突变特征,结合双向状态空间建模实现长程依赖解析进行预测。实验结果表明,该模型提升了复杂天气下光伏功率预测的时效性与准确性。相较于S-Mamba,所提模型平均绝对误差和均方根误差在降雪天气下分别降低了3.65%和5.10%。 展开更多

关键词 模糊聚类 时序变分自编码器 数据增强 一维卷积神经网络 S-mamba

在线阅读 下载PDF 职称材料

基于ConvNeXt-Mamba的双编码器图像伪造检测

4

作者 潘苗绒 王燚 《计算机工程与应用》 北大核心 2026年第5期336-345,共10页

图像伪造检测在网络安全领域中是一项基础且关键的任务。卷积神经网络(CNN)是当前图像伪造检测领域的主流方法,但CNN通常只能提取局部特征,难以捕获全局特征。为此,该研究提出了融合Mamba和ConvNeXt的双编码器结构,其中Mamba负责捕获全... 图像伪造检测在网络安全领域中是一项基础且关键的任务。卷积神经网络(CNN)是当前图像伪造检测领域的主流方法,但CNN通常只能提取局部特征,难以捕获全局特征。为此,该研究提出了融合Mamba和ConvNeXt的双编码器结构,其中Mamba负责捕获全局上下文特征,ConvNeXt则聚焦于局部细节特征,通过两者的协同实现特征的综合提取。为了进一步强化关键特征表达,引入通道注意力模块(SE block),通过自适应调整特征通道的权重提升特征表达能力。针对伪造区域边界复杂带来的漏检问题,增加了边缘损失以提高模型对伪造轮廓的识别准确性。在CASIAv1等4个基准数据集上的实验表明,该方法在曲线下面积(AUC)分数和F1分数上分别平均提升0.015和0.054,显著优于现有方法,尤其在复杂伪影和模糊边界场景下展现出更强鲁棒性。 展开更多

关键词 图像伪造检测 网络安全 卷积神经网络(CNN) mamba 全局特征 局部特征

在线阅读 下载PDF 职称材料

RMFKAN:基于改进图Mamba的网络水军检测方法 被引量：1

5

作者 王宇哲 颜靖华 +3 位作者 卜凡亮 王一帆 李嘉 韩竹轩 《计算机科学与探索》 北大核心 2025年第5期1365-1378,共14页

网络水军检测任务对构建和谐网络空间至关重要。针对现有基于图Transformer的网络水军检测方法无差别传递来自社区的节点之间的信息,从而导致节点表示过于同质,在处理长距离依赖关系时存在过度压缩和过度平滑,最终降低网络水军检测效果... 网络水军检测任务对构建和谐网络空间至关重要。针对现有基于图Transformer的网络水军检测方法无差别传递来自社区的节点之间的信息,从而导致节点表示过于同质,在处理长距离依赖关系时存在过度压缩和过度平滑,最终降低网络水军检测效果的问题,提出了一种基于关系双向图Mamba的傅里叶Kolmogorov-Arnold网络(RMFKAN)模型用于检测社交平台中的网络水军。通过异质感知的长距离关系特征提取方法解决了大规模社交网络跨社区长距离关系特征丢失的问题。通过引入双向选择状态空间模型(Bi-Mamba)解决了处理长距离依赖关系时的过度压缩和过度平滑问题。具体而言,通过随机游走策略令牌化子图,输入消息传递神经网络独立处理不同类型的边,利用傅里叶系数改进的KAN增强特征,将特征矩阵输入Bi-Mamba,提高对长距离依赖关系的捕捉能力,同时有效降低训练复杂度。在两个公开的网络水军检测数据集Twibot-20和Twibot-22上与10个基线模型进行对比实验,实验结果表明,RMFKAN在多个评价指标上均优于现有的基线方法,与现有研究的最佳效果相比RMFKAN的F1分数分别提高了2.10和4.06个百分点,准确率分别提高了1.01和4.45个百分点,验证了其在网络水军检测任务中的优越性能。 展开更多

关键词 网络水军检测 图神经网络 随机游走 mamba

在线阅读 下载PDF 职称材料

基于CSC-Mamba模型的遥感图像去雾方法

6

作者 王京 何建军 +4 位作者 易善信 张俸铖 肖辉 郭洋 杨伊凡 《物探化探计算技术》 2025年第6期867-875,共9页

卫星捕获的遥感数据容易受到成像过程中悬浮粒子的影响而造成图像雾化现象,极大地影响遥感图像的清晰度。为了弥补这一不足,遥感图像去雾(RSID)非常必要。最近兴起的状态空间模型State Space Model(SSM)在建模线性复杂性和远程依赖关系... 卫星捕获的遥感数据容易受到成像过程中悬浮粒子的影响而造成图像雾化现象,极大地影响遥感图像的清晰度。为了弥补这一不足,遥感图像去雾(RSID)非常必要。最近兴起的状态空间模型State Space Model(SSM)在建模线性复杂性和远程依赖关系方面的性能卓越,受其启发,笔者设计了一种基于CSC-Mamba(Cross-Shaped Convolutional Mamba Model)视觉模型遥感图像去雾技术。该技术基于SSM设计了RSMamba模块,利用其线性复杂性来实现全局上下文编码,大大降低了模型的复杂度。同时,利用卷积神经网络CNN以及基于自注意力机制设计CSwin模块来聚合不同方向域上的特征,以有效地感知雾分布的空间变化特征。通过这种方式,CSC-Mamba能够更好地提取雾特征,从而有效地去除雾对遥感图像的影响。通过在SateHaze1K公共数据集上的实验,结果表明本CSC-Mamba模型遥感图像去雾技术不仅具有较好的轻量化特征的同时性,还具有较高的去雾效果。 展开更多

关键词 图像去雾 状态空间模型 卷积神经网络 自注意力机制 CSC-mamba模型

在线阅读 下载PDF 职称材料

基于多尺度聚合与Mamba-Like线性注意力机制的医学影像分割方法研究 被引量：1

7

作者 吴能光 林志刚 +2 位作者 陈拓 庄菲菲 陈虹 《中国医疗设备》 2025年第10期51-57,共7页

目的解决医学影像分割时普遍面临复杂化、组织边界模糊、器官对比度低等问题,尤其是随着Transformer自注意力机制在医学影像分割中被广泛应用,其存在分割效果不佳的缺点。方法将多尺度注意力聚合和Mamba-Like线性注意力机制进行融合,构... 目的解决医学影像分割时普遍面临复杂化、组织边界模糊、器官对比度低等问题,尤其是随着Transformer自注意力机制在医学影像分割中被广泛应用,其存在分割效果不佳的缺点。方法将多尺度注意力聚合和Mamba-Like线性注意力机制进行融合,构建U型网络MM-UNet。其中,引入Mamba-Like线性注意力机制,增强模型对全局依赖的学习能力;同时采用多尺度注意力聚合机制,通过多尺度卷积有针对性地捕获和利用关键特征,更加全面地捕获多尺度语义信息,以提升模型对影像边缘分割的准确性。结果MM-UNet、UNet、VM-UNet、LightM-UNet等算法在皮肤镜ISIC18、ISIC17、超声甲状腺结节TN3K共3个数据集上进行对比实验,结果表明,MM-UNet在皮肤镜ISIC18、ISIC17、超声甲状腺TN3K数据集上的mIoU分别为83.22%、83.63%、80.19%,Dice系数分别为90.84%、91.08%、89.00%,准确度分别为95.86%、96.57%、97.38%,特异性分别为97.95%、98.36%、98.70%。其中,与UNet、VM-UNet、LightM-UNet等模型相比,MM-UNet的mIoU、Dice系数和准确度均表现最优;MM-UNet的特异性在ISIC18、TN3K数据集上表现最优。结论MM-UNet在多种不同成像背景医学影像数据上均实现了较高的分割精度,其泛化性也较好,具有一定的应用价值。 展开更多

关键词 MM-UNet 卷积神经网络 mamba-Like线性注意力机制 多尺度注意力聚合 Transformer自注意力机制 医学影像分割

暂未订购

卷积增强Vision Mamba模型的构建及其应用 被引量：1

8

作者 俞焕友 范静 黄凡 《计算机技术与发展》 2025年第8期45-52,共8页

针对Vision Mamba(Vim)模型的局限性,该文提出了一种改进的模型——Convolutional Vision Mamba(CvM)。此模型通过摒弃Vim中的图形切割和位置编码机制,转而采用卷积操作进行替代,以实现对全局视觉信息的更高效处理。同时,此模型对Vim模... 针对Vision Mamba(Vim)模型的局限性,该文提出了一种改进的模型——Convolutional Vision Mamba(CvM)。此模型通过摒弃Vim中的图形切割和位置编码机制,转而采用卷积操作进行替代,以实现对全局视觉信息的更高效处理。同时,此模型对Vim模型中的位置嵌入模块进行了优化,以解决其固有的高计算量和内存消耗问题。进而,该文将CvM模型应用于医学图像分类领域,选用了血细胞图像、脑肿瘤图像、胸部CT扫描、病理性近视眼底图像以及肺炎X射线影像等数据集进行实验。实验结果表明,与Vim模型及其他5个神经网络模型相比,CvM模型在准确率上表现更为出色,在内存占用和参数数量方面也展现出明显的优势。消融实验表明,深度可分离卷积比标准卷积使用的参数和显存占用更少,而且在血细胞图像、脑肿瘤图像等医学图像分类上,准确率还有了显著提升。这些结果充分说明了CvM模型的优势和可行性。 展开更多

关键词 深度学习 Vision mamba 卷积神经网络 深度可分离卷积 医学图像分类

在线阅读 下载PDF 职称材料

卷积Mamba模型驱动的地震随机噪声压制方法 被引量：3

9

作者 韦秀娟 刘兴业 周怀来 《煤田地质与勘探》 北大核心 2025年第5期196-206,共11页

【背景】地震随机噪声压制是提升地震资料质量的关键环节之一,数据驱动的深度学习方法提供了一种智能解决方案。然而,主流的基于卷积神经网络的随机噪声智能压制方法受限于局部感受野特性,导致去噪过程中局部细节与宏观结构的协同优化不... 【背景】地震随机噪声压制是提升地震资料质量的关键环节之一,数据驱动的深度学习方法提供了一种智能解决方案。然而,主流的基于卷积神经网络的随机噪声智能压制方法受限于局部感受野特性,导致去噪过程中局部细节与宏观结构的协同优化不足,进而影响噪声压制精度。广泛应用于全局特征提取的Transformer模型通过自注意力机制能够有效捕获长距离依赖关系,理论上可弥补卷积神经网络在全局建模能力方面的局限性。但其计算慢,资源占用大,应用受限。【目的和方法】针对上述问题,提出了融合卷积Mamba的地震数据随机噪声压制网络(CMUNet)。基于二维选择性扫描技术(沿水平、垂直双方向遍历输入数据),通过状态空间方程构建全局动态系统,实现对地震数据时空特征的跨尺度特征提取,借助Mamba模型的硬件感知并行扫描算法降低计算资源消耗,保证去噪效果的同时提升计算效率。针对地震数据的特点,设计卷积-Mamba混合模块,在UNet编码器中构建层次化特征提取路径,即浅层CNN聚焦局部噪声模式识别,深层Mamba捕获大尺度地质结构关联性;进一步引入残差通道注意力门控,强化有效信号与噪声的特征可分性。【结果和结论】对于合成数据测试,提出的方法相较于UNet在信噪比、峰值信噪比和结构相似性上分别提高了2.4 dB、2.4 dB和0.0056,表现出对随机噪声的有效压制能力及对有效信号的保护能力。在野外实际地震数据应用中,局部相似性图像分析结果显示较低的局部相似值,进一步印证了该方法对有效信号的损伤程度低,展现出更优的保幅性,具有良好应用前景。 展开更多

关键词 地震随机噪声压制 深度学习 卷积神经网络 状态空间模型 mamba

在线阅读 下载PDF 职称材料

Mamba与Transformer混合图像补全技术的研究与实现

10

作者 刘海洋 胡永 田野 《实验室研究与探索》 北大核心 2025年第10期96-104,共9页

针对纹理复杂、色彩丰富的图像在修复过程中存在的细节缺失与色彩分布不均问题,提出一种基于Mamba与Transformer并行图像补全方法。该方法构建了由Mamba和Transformer的并行生成模型。Transformer通过全局自注意力机制捕捉图像块之间的... 针对纹理复杂、色彩丰富的图像在修复过程中存在的细节缺失与色彩分布不均问题,提出一种基于Mamba与Transformer并行图像补全方法。该方法构建了由Mamba和Transformer的并行生成模型。Transformer通过全局自注意力机制捕捉图像块之间的长距离依赖关系,Mamba则高效处理长序列数据,以弥补在细粒度细节处理不足,结合二者全局感知与高效远程依赖学习优势实现高质量重建。为强化全局与局部特征深度融合,设计上下文广播特征聚合网络,并采用谱归一化马尔科夫判别模型对抗训练。实验结果表明,该方法在多项指标上均优于对比方法,PSNR平均提升1.94 db, SSIM平均提升0.043 5,LPIPS平均下降0.624,能有效提升复杂图像的修复质量,为图像修复及相关领域中融合不同模型优势提供了新思路。 展开更多

关键词 图像修复 深度学习 曼巴 转换器 上下文广播特征聚合网络

在线阅读 下载PDF 职称材料

基于Mamba赋能的三支路生成对抗网络的红外与可见光图像融合

11

作者 章洋洋 康家银 +2 位作者 马寒雁 张文慧 王怀友 《兵工学报》 北大核心 2025年第11期368-378,共11页

针对主流的基于Transformer的红外与可见光图像融合方法存在的参数量大、计算复杂度高等问题,提出一种Mamba赋能的三支路生成对抗网络的红外与可见光图像融合方法。在生成器网络中,设计3条既独立又协同工作的特征提取和融合支路,其中红... 针对主流的基于Transformer的红外与可见光图像融合方法存在的参数量大、计算复杂度高等问题,提出一种Mamba赋能的三支路生成对抗网络的红外与可见光图像融合方法。在生成器网络中,设计3条既独立又协同工作的特征提取和融合支路,其中红外和可见光支路通过浅层特征提取模块和Mamba块分别提取红外和可见光图像中的全局特征,并将提取到的全局特征逐级集成到基于卷积神经网络的中间融合支路中,从而实现全局和局部特征的充分交互和融合。通过生成器与两个判别器(红外判别器和可见光判别器)间不断地博弈训练,迫使生成器提高其生成融合图像的能力。在公开数据集上的实验结果表明,新方法在定性的视觉效果和定量的客观指标两方面均总体优于对比方法。 展开更多

关键词 图像融合 红外图像 生成对抗网络 mamba

在线阅读 下载PDF 职称材料

LightMamba:一种轻量级Mamba用于高光谱图形和激光雷达数据联合分类网络

12

作者 廖帝灵 赖涛 +1 位作者 黄海风 王青松 《电子与信息学报》 北大核心 2025年第12期4937-4947,共11页

高光谱图像(HSI)和激光雷达(LiDAR)数据的联合分类是遥感领域的一项关键任务,它通过融合丰富的光谱信息和精确的三维结构信息,显著提升了对地物识别的精度。然而,现有的基于深度学习(DL)的联合分类方法依然受限于高模型计算复杂度。因此... 高光谱图像(HSI)和激光雷达(LiDAR)数据的联合分类是遥感领域的一项关键任务,它通过融合丰富的光谱信息和精确的三维结构信息,显著提升了对地物识别的精度。然而,现有的基于深度学习(DL)的联合分类方法依然受限于高模型计算复杂度。因此,该文提出一种新颖的轻量级Mamba网络。该网络的核心是引入了先进的状态空间模型(SSM),其线性计算复杂度特性使其能够高效地建模遥感数据中的长距离上下文依赖关系。首先,多源对齐模块被用于对异构的HSI和LiDAR数据进行特征提取与空间-光谱维对齐,以提供一致的特征表示;其次,多源轻量Mamba模块以LiDAR的高程信息作为引导,采用轻量化设计融合双流序列,高效建模长距离依赖;最后,设计了一种基于MLP的分类器,并输出分类结果。在多个公开基准数据集上的实验结果表明,与当前先进方法相比,LightMamba在分类精度上取得了显著提升,同时保持了更低的计算复杂度,证明了基于Mamba的架构在遥感多源数据融合与分类任务中的巨大潜力。LightMamba的代码可访问https://www.scidb.cn/detail?dataSetId=064dc4ac5350418e87a8b82dd324737b&version=V1&code=j00173。 展开更多

关键词 高光谱图像分类 多源数据融合 状态空间模型 轻量级网络 mamba

在线阅读 下载PDF 职称材料

MVMNet:一种基于Mamba和CNN结合的皮肤病变分割模型

13

作者 彭健强 张宇凡 《通信与信息技术》 2025年第S1期1-4,共4页

皮肤病的发病率在全球呈上升趋势,它影响了患者的生活质量,甚至可能导致睡眠障碍、抑郁症等心理健康问题。目前,现有模型在皮肤病变图像语义分割方面表现不佳。因此构建了高质量的数据集CliAD,该数据具有精准的标注,并且由于其高度的真... 皮肤病的发病率在全球呈上升趋势,它影响了患者的生活质量,甚至可能导致睡眠障碍、抑郁症等心理健康问题。目前,现有模型在皮肤病变图像语义分割方面表现不佳。因此构建了高质量的数据集CliAD,该数据具有精准的标注,并且由于其高度的真实性,图片中包含大量点状标注,可以看到不同类别的皮肤病之间存在显著差异,为病变的识别与分割带来了诸多挑战。为了应对这些挑战,提出了语义分割模型MVMNet。该模型基于Mamba和Convolutional Neural Network,采用VMM Blcoks进行细粒度特征提取,提高了对点状区域的识别能力。为了解决类别间的差异,使用U形结构在不同层次融合和提取特征,以识别每个类别的特征。实验结果表明,模型在CliAD、ISIC17和ISIC18数据集上表现优异。 展开更多

关键词 皮肤病 数据集 语义分割模型 mamba Convolutional Neural network

在线阅读 下载PDF 职称材料

结合DenseNet和Mamba的多模态脑影像阿尔茨海默症分类

14

作者 胡馨悦 石雨 刘羽 《中国图象图形学报》 北大核心 2025年第10期3230-3241,共12页

目的阿尔茨海默症(Alzheimer’s disease,AD)作为一种常见的老年性痴呆疾病,近年来已成为全球公共卫生面临的重大挑战,设计一种有效且精确的阿尔茨海默症早期诊断模型具有重要的临床意义和迫切需求。目前,阿尔茨海默症的临床诊断通常依... 目的阿尔茨海默症(Alzheimer’s disease,AD)作为一种常见的老年性痴呆疾病,近年来已成为全球公共卫生面临的重大挑战,设计一种有效且精确的阿尔茨海默症早期诊断模型具有重要的临床意义和迫切需求。目前,阿尔茨海默症的临床诊断通常依赖于正电子发射断层扫描(positron emission tomography,PET)和核磁共振成像(magnetic resonance imaging,MRI)两种医学影像数据。然而,由于这两种模态间存在信息差异大、未精确配准等问题,现有的基于人工智能(artificial intelligence,AI)的诊断模型大多仅使用单一的MRI数据。这在一定程度上限制了多模态影像信息的充分利用和分类性能的进一步提升,制约了其临床实用性。针对上述问题,提出一种结合DenseNet和Mamba的多模态医学脑影像阿尔茨海默症早期诊断模型DenseMamba。方法该方法以经过标准预处理流程后的PET和MRI数据为输入,预处理流程包括:颅骨剥离、配准、偏置场校正和归一化。MRI和PET级联后首先经过卷积层和激活层进行初步特征提取,提取到的特征再依次经过若干个交替的Denseblock和TransMamba模块分别进行局部和全局的特征提取。Denseblock内的密集连接结构,增强了局部特征的提取和传播,从而能够捕捉影像中的细节信息;而TransMamba模块则基于状态空间模型,高效地建模全局依赖关系。交替的Denseblock和TransMamba使得模型能够更全面地理解多模态数据信息,充分挖掘多模态数据在临床诊断任务上的潜力。最后,将提取到的特征送入分类器得到疾病预测结果。结果为验证方法的有效性,在公开的ADNI(Alzheimer’s disease neuroimaging initiative)数据集上进行了评估。最终模型的准确率(accuracy)、精确度(precision)、召回率(recall)和F1值分别为92.42%、92.5%、92.42%和92.21%。DenseMamba在阿尔茨海默症分类任务中较对比算法表现优异,比次优算法准确率提升0.42%。结论实验结果表明,DenseMamba能够充分发挥PET和MRI数据的潜力,显著提升分类性能,为阿尔茨海默症的早期诊断提供更精准的支持。 展开更多

关键词 阿尔茨海默症(AD) 多模态医学图像 状态空间模型 mamba 密集连接神经网络

原文传递

面向网络流量分类的Mamba网络:引入数据增强的优化方法 被引量：1

15

作者 赵新建 夏飞 +1 位作者 朱凤玲 陈石 《软件导刊》 2025年第3期99-108,共10页

网络流量分类在现代互联网环境中发挥着重要作用,对于流量来源理解、异常模式识别和网络攻击检测至关重要。然而,随着加密流量和匿名网络技术的广泛应用,传统基于规则的方法和深度报文检测方法逐渐面临挑战。近年来,机器学习和深度学习... 网络流量分类在现代互联网环境中发挥着重要作用,对于流量来源理解、异常模式识别和网络攻击检测至关重要。然而,随着加密流量和匿名网络技术的广泛应用,传统基于规则的方法和深度报文检测方法逐渐面临挑战。近年来,机器学习和深度学习方法为网络流量分类提供了新的思路,但依赖于大量标注数据集且存在数据不平衡问题,使得模型训练效果受限。为了解决这些问题,提出在NetMamba微调阶段引入数据增强技术,通过合成流量样本扩充数据集规模、平衡类别样本并提高模型泛化能力。实验结果表明,数据增强能够有效提高恶意流量检测准确性和效率,同时可减少标注成本并防止过拟合。该方法为网络流量分类任务提供了新的解决方案,尤其在数据不足和类别不平衡的场景下具有重要意义。 展开更多

关键词 网络流量分类 加密流量 预训练 mamba 数据增强

在线阅读 下载PDF 职称材料

基于并行Mamba的轻量化息肉图像分割

16

作者 贾承富 孙晓川 +2 位作者 贾敬好 陈伟彬 李莹琦 《河北大学学报(自然科学版)》 北大核心 2025年第4期408-418,共11页

针对现有分割方法难以兼顾分割精度和复杂度的问题,提出了一种新型轻量化结直肠息肉图像分割网络MCANet(Mamba and convolutional attention network).该网络的核心在于级联了空间注意力和通道注意力的多尺度卷积注意力模块,通过融合多... 针对现有分割方法难以兼顾分割精度和复杂度的问题,提出了一种新型轻量化结直肠息肉图像分割网络MCANet(Mamba and convolutional attention network).该网络的核心在于级联了空间注意力和通道注意力的多尺度卷积注意力模块,通过融合多尺度特征,以缩减浅层和深层特征之间的差距.此外,引入了并行Mamba模块,利用并行化计算的方式提高运算效率.在3个公共数据集上的实验结果表明,所提出的方法在有效性和泛化方面都优于其他先进的方法,使其能够精准地定位结直肠中的异常部分,为临床医师提供关键的决策支持,从而降低了息肉癌变的风险. 展开更多

关键词 轻量级的网络 息肉分割 深度学习 mamba 多尺度注意力机制

在线阅读 下载PDF 职称材料

基于Mamba和Time Machine模型的数据预测方法

17

作者 范亚茹 熊志豪 《西南民族大学学报(自然科学版)》 2025年第5期567-572,共6页

提出了一个集成特征融合网络(Integrated Feature Fusion Net,IFFN),用于天气、交通等时间序列数据预测.该网络基于双向Mamba编码器捕获数据的全局与局部特征,利用PS-Mixer(Polar-Vector and Strength-Vector Mixer)模块提取时间序列的... 提出了一个集成特征融合网络(Integrated Feature Fusion Net,IFFN),用于天气、交通等时间序列数据预测.该网络基于双向Mamba编码器捕获数据的全局与局部特征,利用PS-Mixer(Polar-Vector and Strength-Vector Mixer)模块提取时间序列的极性趋势和波动强度特征,从而实现对复杂时间序列的高效建模和精准预测.此外,IFFN采用多尺度建模方法,融合时间序列的全局和局部特征,提升了模型的适应性与泛化能力.实验结果表明,IFFN在多个公开数据集上均显著优于当前流行的数据预测模型,特别是在处理大规模和复杂模式的时间序列数据时表现卓越. 展开更多

关键词 mamba模型 Time Machine模型 神经网络 数据预测

在线阅读 下载PDF 职称材料

基于深度学习的医学图像分割方法综述 被引量：6

18

作者 石军 王天同 +3 位作者 朱子琦 赵敏帆 王炳勋 安虹 《中国图象图形学报》 北大核心 2025年第6期2161-2186,共26页

医学图像分割是临床医学图像分析的重要组成部分,目标是准确识别和分割医学图像中的人体解剖结构或病灶等感兴趣区域,为临床疾病的诊断、治疗规划以及术后评估等应用场景提供客观、量化的决策依据。随着可用标注数据规模的不断增长,基... 医学图像分割是临床医学图像分析的重要组成部分,目标是准确识别和分割医学图像中的人体解剖结构或病灶等感兴趣区域,为临床疾病的诊断、治疗规划以及术后评估等应用场景提供客观、量化的决策依据。随着可用标注数据规模的不断增长,基于深度学习的医学图像分割方法迅速发展,展现出远超传统图像分割方法的精度和鲁棒性,已成为该领域的主流技术。为了进一步提高分割精度,大量研究集中在对分割模型的结构改进上,产生了一系列结构迥异的分割方法。总的来说,现有的基于深度学习的医学图像分割方法从模型结构上可以分为3类:基于卷积神经网络(convolutional neural network, CNN)、基于视觉Transformer以及基于视觉Mamba。其中,以U-Net为代表的基于CNN的方法最早广泛应用于各类医学图像分割任务。这类方法一般以卷积操作为核心,能够有效提取图像的局部特征。相比之下,基于视觉Transformer的方法更擅长捕捉全局信息和长距离依赖关系,能够更好地处理复杂的上下文信息。基于视觉Mamba的方法作为一种新兴架构,具有全局感受野和线性计算复杂度的特点,表现出巨大的应用潜力。为了深入了解基于深度学习的医学图像分割方法的发展脉络、优势与不足,本文对现有方法进行系统梳理和综述。首先简要回顾上述3类主流分割方法的结构演进历程,分析不同方法的结构特点、优势与局限性,然后从算法结构、学习方法和任务范式等多方面深入探讨医学图像分割领域面临的主要挑战及机遇,最后对基于深度学习的医学图像分割方法的未来发展方向和应用前景进行深入分析和讨论。 展开更多

关键词 深度学习(DL) 医学图像分割 卷积神经网络(CNN) 视觉Transformer(ViT) 视觉mamba

原文传递

面向时序异常检测的可变视距多向扫描方法

19

作者 黄昱哲 管永原 魏松杰 《电子学报》 北大核心 2025年第9期3410-3424,共15页

基于时序分析的网络异常检测,已经引起学术界和工业界的广泛关注.为了突破现有相关工作的训练成本高、检测效率低等限制,本文提出了一种基于Mamba-DSCNN架构的时间序列分类模型ScanMamba.通过设计的可变视距多向扫描机制和时空特征融合... 基于时序分析的网络异常检测,已经引起学术界和工业界的广泛关注.为了突破现有相关工作的训练成本高、检测效率低等限制,本文提出了一种基于Mamba-DSCNN架构的时间序列分类模型ScanMamba.通过设计的可变视距多向扫描机制和时空特征融合机制,ScanMamba显著提升了对复杂网络流量时间序列数据的建模能力.首先,融合Mamba状态空间模型与深度可分离卷积网络(Depthwise Separable Convolutional Neural Networks,DSCNN),在多时间分辨率下通过下采样实现视距的动态变化,可以捕捉不同尺度上的时序依赖特征.其次,采用多方向扫描融合策略,增强了对长期依赖关系和非线性模式的建模能力.随后,设计了多尺度池化模块,并结合注意力机制进行特征加权融合,有效提升了分类性能.最后,将残差连接与深度监督机制引入训练过程中,缓解了梯度消失问题,加速了模型收敛并提升了泛化能力.基于CIC-IDS2017的实验结果表明,ScanMamba在准确率、召回率、F1值上分别达到0.9831、0.9849、0.9837,在准确率上较Mamba-ECANet提高了约3%;针对高强度攻击,F1值分别达到0.9980和0.9847,在DDoS检测上较传统LSTM(Long Short-Term Memory)方法提升了3.3%.降低状态空间维度可使训练时间减少约10%,且性能仅下降0.25%.ScanMamba的平均单条数据推理耗时约为6.3 ms,相较于传统LSTM模型的11.2 ms与Transformer类结构的9.6 ms具备明显优势. 展开更多

关键词 时序数据 mamba 网络流量 异常检测 深度学习 特征融合

在线阅读 下载PDF 职称材料

MCCNET:特征增强的双分支多器官图像分割模型

20

作者 郭俊林 陈平华 +1 位作者 陈一嘉 詹晗晖 《计算机系统应用》 2025年第6期21-32,共12页

针对腹部CT图像多器官分割面临的不同器官大小形态不一、相邻器官边界难以确认以及低对比度等挑战问题,提出一种特征增强的双分支多器官分割模型.模型总体采取编码器-解码器结构:编码器采取主/从双分支结构,主分支使用Mamba捕捉多器官... 针对腹部CT图像多器官分割面临的不同器官大小形态不一、相邻器官边界难以确认以及低对比度等挑战问题,提出一种特征增强的双分支多器官分割模型.模型总体采取编码器-解码器结构:编码器采取主/从双分支结构,主分支使用Mamba捕捉多器官全局依赖信息,从分支使用CNN逐层提取多器官局部信息,同时设计级联上下文模块将从分支局部细节特征补充到主分支中;解码器设计多尺度特征融合模块和深度特征增强模块,多尺度特征融合模块对跨层级特征信息进行融合,增强多器官边界分割锐度,深度特征增强模块应用交叉注意机制提高器官前景与背景的对比度,减少背景信息对分割的干扰.在Synapse和ACDC两组公开数据集上的实验结果表明,与近几年主要基线模型相比,所提模型的Dice相似系数(DSC)、HD95指标均具有一定的提升. 展开更多

关键词 多器官图像分割 mamba 卷积神经网络 交叉注意力机制

在线阅读 下载PDF 职称材料