nnMamba：基于状态空间模型的3D生物医学图像分割、分类和地标检测摘要 本文提出了一种基于状态空间模型（SSMs）的创新架构——nnMamba，用于解决3D生物医学图像分割、分类及地标检测任务中的长距离依赖建模难题。nnMamba结合了卷积神经网络（CNN）的局部特征提取能力与SSMs的全局上下文建模优势，通过设计的MICCSS模块（通道-孪生空间学习）显著提升了模型性能。在BraTS 2023、ADNI等6个数据集上的实验表明，nnMamba在分割Dice系数（73.98%）、分类准确率（89.41%）及地标检测误差（2.11）等指标上均优于现有方法。该框架为医学图像