MambaVesselNet：基于状态空间模型的血管分割新方法

基于摘要分析。本文研究三维血管分割，针对细小血管及其边缘难以准确捕获、伪影与噪声容易造成伪阳性的问题，提出基于状态空间模型的 MambaVesselNet。其贡献是结合选择性状态空间序列建模、边缘增强和特征选择，并采用 nnUNet 的预处理策略。 核心机制：作者采用选择性状态空间时序建模策略扩大感受野，以支持长序列特征建模；边缘增强模块用于强化血管边缘特征，特征选择模块用于改善细微结构的捕获。摘要未说明三维空间特征如何组织为序列，也未提供模块结构、损失函数或训练与推理配置。nnUNet 预处理被用于保证输入数据的空间一致性，其具体配置尚未验证。 结果：作者报告在三个标准血管分割基准上达到最先进性能，并报告在心血管和肝脏血管数据集上的 Dice 系数分别提升 1.38% 和 2.69%。摘要未给出具体数据集名称、划分协议、对照方法及绝对 Dice 值，也未明确这些提升属于相对百分比还是百分点，因此不能据此进行跨方法定量比较。 验证与复现：需要核对状态空间建模、边缘增强及特征选择各自的消融结果，以及边界指标、伪阳性表现和计算开销；实验协议、消融及统计信息尚未验证，代码与复现配置也尚未验证。本文主要研究对象是三维血管图像，并未提供 EEG 或 BCI 评估，不能将其分割结果视为神经信号建模有效性的证据。相关 EEG 工作尚未检索确认。