CSG-Mamba: A Convolutional Scoring Gating Vision State Space Network for Endoscopic Polyp Segmentation

📄 arXiv: 2608.14146v1 📥 PDF

作者: Yuliang Wang, Jiaqi Wu, Jiaye Song, Shuxia Ren

分类: cs.CV

发布日期: 2026-08-14

备注: 14 pages, 6 figures, and 5 tables. Accepted by ICONIP 2026

💡 一句话要点

提出CSG-Mamba以解决内窥镜息肉分割中的低对比度问题

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)

关键词: 息肉分割 内窥镜图像 卷积神经网络 视觉状态空间模型 深度学习 医学影像分析 计算机辅助诊断

📋 核心要点

  1. 现有的息肉分割方法在处理低对比度边界和纹理干扰时表现不佳，导致分割精度不足。
  2. CSG-Mamba通过引入卷积评分门控模块，增强了特征的局部空间信息，从而改善了分割效果。
  3. 实验结果表明，CSG-Mamba在Kvasir-SEG和CVC-ColonDB数据集上均优于基线模型，提升了Dice和mIoU指标。

📝 摘要（中文）

准确的息肉分割对于计算机辅助结肠镜检查至关重要，但内窥镜图像常常存在低对比度边界、黏膜纹理干扰、镜面高光及设备依赖的外观变化。视觉状态空间模型（SSMs）提供了高效的长程建模，但现有的视觉Mamba分割模型通常将2D特征转换为1D扫描序列，这可能削弱局部几何连续性并过度平滑不规则轮廓。本文提出CSG-Mamba，一种用于内窥镜息肉分割的卷积评分门控视觉状态空间网络。CSG-Mamba基于VM-UNet风格的不对称U型编码器-解码器，在语义丰富的瓶颈处插入卷积评分门控（CSG）模块，通过点对点和大核深度卷积生成局部空间评分图，并通过乘法门控重新校准状态空间特征。

🔬 方法详解

问题定义：本文旨在解决内窥镜图像中息肉分割的低对比度和几何连续性不足的问题。现有方法在处理复杂背景和不规则轮廓时，容易导致分割结果的平滑和失真。

核心思路：CSG-Mamba的核心思想是通过卷积评分门控模块增强局部特征的表达能力，从而提高分割的准确性和鲁棒性。该设计旨在保留局部几何信息，避免过度平滑。

技术框架：CSG-Mamba采用VM-UNet风格的不对称U型编码器-解码器架构，主要模块包括卷积评分门控（CSG）模块和深度卷积层。CSG模块在语义丰富的瓶颈处生成局部空间评分图，进而校准特征。

关键创新：最重要的创新在于引入了卷积评分门控模块，该模块通过点对点和大核深度卷积生成局部评分图，显著提升了特征的空间表达能力，与传统的1D扫描序列方法形成鲜明对比。

关键设计：在网络结构上，CSG模块的设计允许多尺度特征融合，使用乘法门控机制来动态调整特征的重要性。此外，损失函数的选择也针对分割精度进行了优化，以确保模型在训练过程中的有效性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

CSG-Mamba在Kvasir-SEG数据集上取得了0.9220的Dice系数和15.87的HD95，在CVC-ColonDB数据集上则达到了0.7418的Dice系数和0.6570的mIoU，整体性能优于大多数基线模型，尤其在重叠和召回指标上表现突出，同时保持了竞争力的边界准确性。

🎯 应用场景

该研究的潜在应用领域包括计算机辅助内窥镜检查和医疗影像分析，能够有效提高息肉检测的准确性，降低漏诊率。未来，该技术有望推广到其他医学影像分割任务中，提升整体医疗服务质量。

📄 摘要（原文）

Accurate polyp segmentation is critical for computer-aided colonoscopy, yet endoscopic images often contain low-contrast boundaries, mucosal texture interference, specular highlights, and device-dependent appearance shifts. Vision State Space Models (SSMs) provide efficient long-range modeling with linear complexity, but existing Vision Mamba segmentation models typically convert 2D features into 1D scanning sequences, which may weaken local geometric continuity and over-smooth irregular contours. We propose CSG-Mamba, a convolutional scoring gating Vision State Space network for endoscopic polyp segmentation. Built on a VM-UNet-style asymmetric U-shaped encoder-decoder, CSG-Mamba inserts a Convolutional Scoring Gating (CSG) module at the semantically rich bottleneck. CSG generates a local spatial score map through pointwise and large-kernel depthwise convolutions and recalibrates state-space features by multiplicative gating. Experiments with three random seeds show that CSG-Mamba achieves 0.9220 Dice and 15.87 HD95 on Kvasir-SEG, and 0.7418 Dice and 0.6570 mIoU on CVC-ColonDB, outperforming the baselines on most overlap and recall metrics while maintaining competitive boundary accuracy.