1.11M参数小模型实现脑瘤分割 CVPR 2026 Findings 开源

M4Fuse 面向 3D 脑肿瘤分割中的三个关键瓶颈:大输入体积带来的显存负担、重型编码器造成的部署压力,以及跨中心扫描差异引起的泛化不稳。它采用轻量级 U 形网络,在 1.11M 参数下完成多模态 MRI 分割,并在 64×128×128 的低体素输入设置中保持强性能。BraTS2021 上,M4Fuse-B 平均 Dice 达到 88.79%,相比 SuperLightUnet 参数减少 62.63%,平均 Dice 仍提升 0.09%。

模型的核心在于更精确地分配容量。PetaloMixer/POM 将 3D 特征转为序列,用分组状态空间混合器建模长程依赖,使复杂度随体素数线性增长;CSBridge 在跳跃连接进入解码器前完成空间去噪和跨尺度通道对齐,减少扫描噪声与多尺度冲突;PEU 只部署在 t4、t5 和瓶颈层,通过共享分支与专家分支适配不同中心和协议,在控制参数增长的同时增强鲁棒性。

M4Fuse 还提出了解码器边际效用原则:当跳跃特征已经被净化和对齐后,继续加宽解码器的收益有限,甚至可能削弱 ET 等对比敏感微结构。实验表明,3D 医学分割的效率不应只依赖更大输入或更宽网络,更关键的是让长程上下文、跳跃特征和域适配在合适位置发挥作用。M4Fuse 因此为低参数、低显存、跨中心鲁棒的 3D 脑肿瘤分割提供了一种更实用的设计路径。

arXiv: 2605.02444

https://github.com/mh-zhou/M4Fuse

https://github.com/tonxycs/M4Fuse

最初报道来自小红书每日ComputerScience 账号

相关推荐
凌冰_18 小时前
数据结构 - 时间空间复杂度(一)
数据结构·算法·软件工程
Pniubi19 小时前
力扣2 . 两数相加
算法·leetcode·职场和发展
戴·菲瑜19 小时前
为什么PPO难以做出顶级棋类引擎
算法·博弈论·rl·ppo
在所不辞兄21 小时前
为什么数字孪生驱动的产线标定需要在线更新机制,而不能一次标定后长期沿用?
人工智能·神经网络·其他·算法·机器学习
AvocadoZeroOneOI1 天前
B4500 [GESP202603 三级] 凯撒密码 详细解题报告
c++·算法
cjz38991 天前
双指针技巧:覆盖式双指针(原地覆盖)
算法
会飞锦鲤1 天前
基于 RT-DETR 的 PCB 缺陷检测
深度学习·目标检测·计算机视觉·pyqt5·rt-detr·工业质检·pcb缺陷检测
橘子131 天前
【高级数据库】关系代数基本概念
算法
电科_银尘2 天前
【大模型算法与工程 15】手写Self-Attention:Q、K、V与缩放点积
算法
郝学胜-神的一滴2 天前
Effective STL 条款03:容器中的对象复制要廉价且正确
开发语言·数据结构·c++·算法·rpc·stl