论文页面 - LightMIS：无需逐阶段解码器的超轻量级医学图像分割

来源：https://huggingface.co/papers/2609.28327

摘要

我们提出LightMIS，这是一个可扩展的超轻量级卷积网络家族，用于二维二值医学图像分割，无需使用学习的逐阶段解码器。LightMIS使用尺度对齐投影块将五级编码器的输出对齐到共同分辨率，进行一次聚合，并通过自适应融合级联对融合表示进行精炼。该级联结合了自适应核融合与所提出的渐进式感受野融合模块，该模块使用临时通道扩展、互补的深度可分离感受野以及渐进式跨分支信息传递。我们在DRIVE、Kvasir-SEG、DSB18、BUSI、ISIC-2017和ISIC-2018数据集上，使用通用的nnU-Net v2.3.1协议，通过五折交叉验证评估了LightMIS-T、LightMIS-S和LightMIS。完整的LightMIS包含0.131M参数，处理3×256×256输入需要0.575 GFLOPs，在模态宏观Dice和IoU上分别达到86.71%和78.99%。MobileU-ViT获得86.75% Dice和79.07% IoU，观察到的差异分别为0.04和0.08个百分点。相对于MobileU-ViT、nnWNet和nnU-Net，LightMIS将参数数量减少了90.58-99.61%，GFLOPs减少了82.54-96.14%。在Arm Mali-G52 MC2 GPU上，所有LightMIS变体都实现了完全的GPU委托，委托延迟的中位数从LightMIS-T的53.31毫秒到LightMIS的138.31毫秒不等。这些结果表明，在所评估的任务上，该方法在精度与复杂度之间取得了良好的权衡，并具备设备端执行的可行性。代码已在https://github.com/AndreiiArhire/LightMIS公开。

查看 arXiv 页面 (https://arxiv.org/abs/2609.28327) 查看 PDF (https://arxiv.org/pdf/2609.28327) GitHub3 (https://github.com/AndreiiArhire/LightMIS) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2609.28327)

获取此论文在您的代理中：

hf papers read 2609\.28327

没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

无模型链接此论文

在模型 README.md 中引用 arxiv.org/abs/2609.28327 以从此页面链接它。

引用此论文的数据集0

无数据集链接此论文

在数据集 README.md 中引用 arxiv.org/abs/2609.28327 以从此页面链接它。

引用此论文的空间0

无空间链接此论文

在空间 README.md 中引用 arxiv.org/abs/2609.28327 以从此页面链接它。

包含此论文的收藏0

无收藏包含此论文

将此论文添加到收藏 (https://huggingface.co/new-collection) 以从此页面链接它。