HilbertMamba：超声视频中子宫肌瘤分割的局部-全局互惠网络

定期筛查和早期发现子宫肌瘤对于预防潜在的恶性转化并确保及时的生命拯救干预至关重要。为此，我们收集并标注了首个包含100个视频的子宫肌瘤超声视频数据集（UFUV）。此外，我们提出了局部-全局互惠网络（LGRNet），该网络能够高效且有效地传播长期时间上下文，这对于区分无信息噪声周围组织和目标病灶区域至关重要。具体而言，引入了循环邻域传播（CNP）机制，以循环方式传播帧间局部时间上下文。此外，为了聚合全局时间上下文，我们首先将每一帧压缩为一组帧瓶颈查询，并设计了希尔伯特选择性扫描（HilbertSS）方法，既高效地连接每一帧又保留了局部偏差。随后利用一个分布层将全局上下文反向传播，实现互惠精炼。在UFUV数据集以及三个公开的视频息肉分割（VPS）数据集上的广泛实验表明，LGRNet相比现有的最先进的分割方法具有一致的改进效果，这表明其有效性和通用性。代码、检查点和数据集可在https://github.com/bio-mlhui/LGRNet 获取。