SRMA-Mamba 在 CirrMRI600+ 上把肝硬化肝脏 MRI 分割的 mDSC 提到 92.95%（T1W）与 86.25%（T2W），并同时降低计算量
核心概要
该工作提出基于 Mamba 的 SRMA-Mamba 网络，用 Spatial Anatomy-Based Mamba（SABMamba）在矢状、冠状、轴状三个解剖平面上做选择性扫描以构建全局空间上下文，并用 Spatial Reverse Mamba Attention（SRMA）结合粗分割图与分层编码特征逐步细化边界，在 CirrMRI600+ 的 T1W 与 T2W 数据上取得优于 SegResNet、UX-Net、MedNeXt、SwinUNETR、SwinUNETRv2 与 SegMamba 的分割指标，同时参数量与 GFLOPs 低于 SegMamba。
深度剖析
提出 SRMA-Mamba，一个面向 MRI 体数据的病理性肝脏分割的 Mamba 编码器-解码器网络，编码器做分层特征提取，解码器用粗分割图与各编码阶段特征逐步细化分割图。 此前 Mamba 类医学分割方法（如 SegMamba）把整个体数据当作线性序列处理，论文指出这种线性化会破坏内在 3D 空间拓扑，而肝硬化结构呈高度不规则、各向异性形态。 论文给出整体架构图与编码器-解码器流程描述，并在 CirrMRI600+ T1W/T2W 上与 CNN、Transformer、Mamba 三类方法做同代码库、同数据划分、同超参调优的对比。
提出 SABMamba 模块，在矢状、冠状、轴状三个正交解剖平面上做选择性 Mamba 扫描并融合平面信息，构建全局空间上下文表示。 把放射科医生多平面阅片的习惯转化为网络内的多平面扫描设计，而不是单一线性序列扫描。 消融实验显示，把 SABMamba 编码器替换为 UNETR 编码器后 mDSC 从 92.95% 降至 80.62%；平面配置对比中三平面组合（mDSC 92.95%、mIoU 87.59%、HD95 17.52）优于轴状（92.48%）、矢状（92.50%）与冠状（90.22%）单平面。
提出 Anatomy-Based Selective Scan（ABSS）模块，直接处理 3D 体素数据生成 3D 特征表示，并借助 S6 模块的选择机制过滤无关信息、保留相关特征。 在保留空间解剖信息的同时以较低计算复杂度直接处理体数据，而非把体数据压成线性序列。 复杂度对比表中 SRMA-Mamba 为 17.22M 参数、149.14 GFLOPs，低于 SegMamba 的 64.24M 与 2379.03 GFLOPs，也低于 SwinUNETR、SwinUNETRv2、MedNeXt 与 UX-Net 的 GFLOPs。
提出 Spatial Reverse Mamba Attention（SRMA）模块，用反向注意力权重 Ai = 1 − Sigmoid(Si+1) 与编码特征逐级细化边界细节。 把反向注意力与 Mamba 结合用于多解码阶段的边界细化，利用粗分割图与分层特征互补。 消融实验显示移除 SRMA 后 mDSC 从 92.95% 降至 90.63%；T1W 上 HD95 为 17.52、ASSD 为 3.05，优于 SegMamba 的 26.97 与 4.69。
启示与展望
该结果面向 MRI 体数据中的病理性肝脏结构分割，适用于与 CirrMRI600+ 类似的单中心、多厂商、多序列腹部 MRI 场景，T1W 与 T2W 两种加权均可使用。它使后续工作可以在此基础上继续探索多平面解剖扫描与反向注意力边界细化的组合，也便于研究者在同一基准上比较 Mamba 类体分割模型；代码已在 https://github.com/JunZengz/SRMA-Mamba 公开，便于复现与二次开发。
论文提到 T2W 上存在挑战性病例，偶尔出现肝硬化组织的假阳性与漏检，说明该模态下的边界判定仍有难度；此外数据集为单中心、多厂商、多序列来源，测试集规模为 T1W 31 例、T2W 31 例，向其他中心、其他扫描协议或不同人群推广时的表现仍需进一步观察。定性结果以图像形式呈现，具体病例层面的误差分布未在正文文字中展开。