FETALFusion：面向多域胎儿头部分割的分辨率感知状态空间建模

基于摘要分析。研究针对二维超声胎儿头围（HC）自动测量所需的可靠边界分割，提出双路径 CNN-Mamba 编码器—解码器 FETALFusion，联合处理经腹与经会阴超声图像；主要研究对象是医学图像分割，而非 EEG 或 BCI。 方法仅在分辨率最高的两个阶段执行四方向状态空间扫描，在瓶颈特征上使用域特异性通道门控，并在测试时对门控取平均，同时引入弱地标形状先验。训练联合使用经腹 HC-18 与经会阴 PSFHS 图像。作者在含 471 张图像的留出测试集上比较十种方法，采用统一训练日程，并在原始分辨率下评估表面距离。 作者报告，在不使用测试时增强或域标签的条件下，FETALFusion 的 Dice 为 0.963、HD95 为 2.10 mm；相较 U-Mamba，五项已报告指标均改善，其中 HD95 降低 0.31 mm，Holm 校正后 p < 10⁻⁴。作者报告，该优势在测试时增强条件下及两次独立训练中仍保持，平均表现也优于 U-Net、Attention U-Net 和 TransUNet。但残差编码器基线更强：ResNet-34 UNet++ 超过 FETALFusion，ImageNet 初始化的 ResNet-34 U-Net 总体最佳，HD95 为 1.75 mm。 作者报告，结合运行间变异分析的消融将可测收益主要归于地标形状先验，以及经会阴图像上的域门控；移除状态空间分支未造成可测的准确性变化。因此，摘要不支持将性能收益直接归因于 Mamba 分支。作者还报告，由预测掩码计算的 HC 与临床参考值的组内相关系数为 0.9986，但这不等同于已完成临床应用验证。 具体数据划分、病例独立性、域间样本构成、先验实现、完整消融及统计细节尚未验证。材料未提供与神经信号任务的具体机制对应关系，不据此推断 EEG 或 BCI 有效性。