Краткое содержание

arXiv:2507.15487v3 Тип объявления: замена-перекрёстная Аннотация: Последовательности магнитно-резонансной томографии (МРТ) предоставляют богатую пространственную и частотную информацию, которая имеет решающее значение для точной классификации поражений в медицинской визуализации. Однако эффективное объединение данных МРТ из нескольких последовательностей для надежной трехмерной классификации поражений остается сложной задачей. В данной статье мы предлагаем DeSamba (декомпозированная спектрально адаптивная сеть на основе модели Mamba), новую архитектуру, предназначенную для извлечения декомпозированных представлений и адаптивного объединения пространственных и спектральных признаков для классификации поражений. DeSamba вводит модуль обучения декомпозированным представлениям (DRLM), который разделяет признаки различных последовательностей МРТ с помощью само-восстановления и перекрестного восстановления, а также блок спектральной адаптивной модуляции (SAMB) внутри предложенной сети SAMNet, позволяющий динамически объединять спектральную и пространственную информацию на основе характеристик поражения. Мы оцениваем эффективность DeSamba на двух клинически значимых наборах трехмерных данных. На шестиклассном наборе д...