SegMamba（SegMamba分割模型）

医学图像分割常需处理3D体积数据，传统CNN感受野有限，而Transformer的自注意力机制计算复杂度随序列长度平方增长，难以直接应用于高分辨率体积。Mamba基于选择性状态空间模型，能以线性复杂度建模长序列依赖。SegMamba将Mamba引入3D分割，设计三叉戟模块和门控空间卷积，在保持高效的同时提升分割精度。实验表明，在BTCV和AMOS数据集上，SegMamba优于nnU-Net和Swin-UNETR等基线，且参数量更少。