基于U-Mamba与帝王蝶优化算法的颈动脉斑块识别与分类

王 思雨1, 陈 昭男1, 霍 豪杰1, 马 将2
1、华北理工大学人工智能学院
2、华北理工大学理学院

摘要


针对临床颈动脉超声诊断依赖人工、主观性强、效率低问题，提出较高精度自动识别方法。构建U Mamba
网络，融合U Net与Mamba视觉状态空间（VSS）块，增强斑块长程上下文建模；引入帝王蝶优化算法（MBO）自
适应优化超参数，提升钙化与脂质识别精度。在300例自建超声数据集上，分割Dice系数与分类准确率优于主流方
法，消融实验验证MBO有效性。模型实现颈动脉斑块识别，复杂度低，为临床辅助诊断提供可行方案。

关键词


颈动脉斑块；图像分割；状态空间模型；U-Mamba；帝王蝶优化算法

全文:

PDF


参考


[1]王鹏，修春红，王岚峰.颈动脉粥样硬化与心脑

血管疾病的关系[J].中国动脉硬化杂志，2014，22（11）：

1175-1178.

[2]周涛，侯森宝，陆惠玲，等.探析U-Net的改进

机制及其在医学图像分割的应用[J].生物医学工程学杂

志，2022，39（04）：806-825.

[3]丁 政 泽， 聂 仁 灿， 李 锦 涛， 等.MTFuse： 基 于

Mamba和Transformer的红外与可见光图像融合网络[J].

计算机科学，2025，52（08）：188-194.

[4]李翠云，白静，郑凉.融合边缘增强注意力机制

和U-Net网络的医学图像分割[J].图学学报，2022，43

（02）：273-278.

[5]WangX,FuY,LuH,etal.VM-Unetenhanced

withmulti-scalepyramidfeatureextractionforsegmentation

oftibiofemoraljointtissuesfromkneeMRI[J].PloSone,

2025,20(8):e0330740.

[6]尚正阳，顾寄南，唐仕喜，等.针对几种元启发

式算法的应用性能对比研究[J].机械设计与制造，2021，

（04）：34-38.


Refbacks

  • 当前没有refback。