HilbertMamba: Lokales und globales rekiprokes Netzwerk zur Segmentierung von uterinen Myomen in Ultraschallvideos

Regelmäßige Screenings und die frühzeitige Entdeckung von Uterusfibromen sind entscheidend für die Verhinderung potenzieller maligner Transformationen und zur Sicherstellung zeitgerechter, lebensrettender Interventionen. Zu diesem Zweck sammeln und annotieren wir den ersten Ultraschall-Videodatensatz mit 100 Videos zur Segmentierung von Uterusfibromen (UFUV). Darüber hinaus präsentieren wir das Local-Global Reciprocal Network (LGRNet), das dazu beiträgt, den langfristigen zeitlichen Kontext effizient und effektiv zu verbreiten, was entscheidend ist, um zwischen unwesentlichen, störenden umliegenden Geweben und Zielregionen der Läsion zu unterscheiden. Insbesondere wird die zyklische Nachbarschaftsverbreitung (Cyclic Neighborhood Propagation, CNP) eingeführt, um den lokalen zeitlichen Kontext zwischen den Bildern in einer zyklischen Weise zu verbreiten. Zudem, um den globalen zeitlichen Kontext zusammenzufassen, kondensieren wir zunächst jedes Bild in eine Reihe von Frame-Bottleneck-Anfragen und entwickeln die Hilbert-Selektive-Scan-Methode (HilbertSS), um sowohl einen effizienten Pfad zwischen den Bildern herzustellen als auch die Lokalitätsverzerrung zu bewahren. Anschließend wird eine Verteilerschicht verwendet, um den globalen Kontext zurückzutragen und für gegenseitige Verfeinerung zu nutzen. Ausführliche Experimente auf dem UFUV-Datensatz sowie drei öffentlichen Video-Polyp-Segmentierungsdatensätzen (VPS) zeigen konsistente Verbesserungen im Vergleich zu den neuesten Segmentierungsmethoden, was die Effektivität und Vielseitigkeit des LGRNet unterstreicht. Der Code, Checkpoints und der Datensatz sind unter https://github.com/bio-mlhui/LGRNet verfügbar.