Mamba-HoME：面向3D医学影像分割的层次化专家混合新框架

论文名称：Mamba Goes HoME: Hierarchical Soft Mixture-of-Experts for 3D Medical Image Segmentation

论文地址：https://arxiv.org/pdf/2507.06363

近年来，人工智能在医学影像分割上的突破不断涌现，而 Mamba-HoME（Hierarchical sOft Mixture-of-Experts）框架的提出，为三维医学影像分析带来了全新思路。这项研究聚焦于如何更高效地处理 CT、MRI、超声 等多模态三维影像，从而为临床诊断与治疗提供更精准的辅助。

研究背景

三维医学图像（如CT、MRI）包含丰富的空间结构信息，对病灶检测、器官勾画以及术前规划都至关重要。然而，传统深度学习方法在三维任务上面临两大挑战：

1. 算力消耗高：3D卷积网络或基于Transformer的模型在大规模影像数据上开销巨大。

2. 特征提取不均衡：不同层次的特征往往难以兼顾全局与局部的表达能力。

因此，亟需一种既能兼顾效率，又能捕捉多尺度特征的新方法。

方法创新：Mamba-HoME

论文提出的 Mamba-HoME</