RetiWave-Mamba: A Dual-Stream Network for Retinal Disease Detection based on Multi-scale Context and Frequency-Adaptive Mamba Projection

📄 arXiv: 2608.17623v1 📥 PDF

作者: Cheng Cheng, Jin Hong

分类: cs.CV

发布日期: 2026-08-18

💡 一句话要点

提出RetiWave-Mamba以解决视网膜疾病检测中的噪声与细节处理问题

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

关键词: 视网膜疾病 光学相干断层扫描 多尺度上下文 频率自适应 深度学习 图像处理 自动化诊断

📋 核心要点

  1. 现有OCT图像分析方法受到噪声、病变尺度变化和类别相似性等因素的影响，导致诊断准确性不足。
  2. 本文提出的RetiWave-Mamba框架通过多尺度上下文和频率自适应处理，提升了对视网膜病变的检测能力。
  3. 在OCT-C8数据集上的实验结果显示，RetiWave-Mamba达到了98.25%的分类准确率，显著优于现有技术。

📝 摘要（中文）

视网膜疾病是导致不可逆视力损伤的主要原因，早期准确的诊断对有效治疗至关重要。光学相干断层扫描（OCT）作为关键成像方式，其自动化分析受到斑点噪声、病变尺度变化和细微类别相似性的影响。为应对这些挑战，本文提出了RetiWave-Mamba框架，结合了空间频域学习与先进的状态空间模型。该框架利用离散小波变换（DWT）将OCT图像分解为低频和高频流，分别处理结构上下文和细节信息。通过在低频分支中设计多尺度上下文定位模块（MCLM）和在高频分支中引入注意力引导高分辨率网络（AG-HRNet），有效抑制噪声传播并捕获长程依赖。实验结果表明，该方法在OCT-C8数据集上达到了98.25%的分类准确率，超越了现有方法。

🔬 方法详解

问题定义：本文旨在解决视网膜疾病检测中OCT图像分析的噪声干扰、病变尺度变化及类别相似性等问题。现有方法在处理这些挑战时表现不佳，影响了诊断的准确性。

核心思路：RetiWave-Mamba框架通过将OCT图像分解为低频和高频流，分别处理结构信息和细节，结合多尺度上下文和注意力机制，以提高对病变区域的定位和识别能力。

技术框架：该框架包括两个主要分支：低频分支采用多尺度上下文定位模块（MCLM）来增强全局感受野，高频分支则使用注意力引导高分辨率网络（AG-HRNet）来抑制噪声传播。整体流程通过频率自适应的Mamba投影器（FAMP）来捕获高频特征中的长程依赖。

关键创新：最重要的创新在于将空间频域学习与状态空间模型相结合，利用DWT进行图像分解，从而实现对不同频率特征的独立处理，显著提升了对视网膜病变的识别能力。

关键设计：在低频分支中，MCLM通过多尺度膨胀和空间注意力机制来精确定位病变区域；高频分支的AG-HRNet则配备智能门控机制，以减少噪声传播。

🖼️ 关键图片

img_0
img_1
img_2

📊 实验亮点

在OCT-C8数据集上的实验结果显示，RetiWave-Mamba达到了98.25%的分类准确率，超越了现有方法，展示了其在噪声条件下对视网膜病变的强大识别能力，具有显著的临床应用潜力。

🎯 应用场景

该研究的潜在应用领域包括临床视网膜疾病的早期诊断和监测，能够为眼科医生提供更为精准的辅助决策工具。未来，该框架有望推广至其他医学影像分析领域，提升自动化诊断的准确性和可靠性。

📄 摘要（原文）

Retinal diseases are a leading cause of irreversible vision impairment, making early and accurate diagnosis essential for effective treatment. Optical Coherence Tomography (OCT) serves as a critical imaging modality for this purpose, yet its automated analysis is hindered by inherent speckle noise, varying lesion scales, and subtle inter-class similarities. To address these challenges, we propose a novel framework, RetiWave-Mamba, which integrates spatial-frequency domain learning with state-of-the-art state space models. The framework utilizes Discrete Wavelet Transform (DWT) to decompose OCT images into low- and high-frequency streams, enabling decoupled processing of structural context and fine-grained details. For the low-frequency branch, we design a Multi-scale Contextual Localization Module (MCLM), which synergizes multi-scale dilation with spatial attention to expand the global receptive field and precisely localize lesion regions. For the high-frequency branch, we introduce an Attention-Guided High-Resolution Network (AG-HRNet) equipped with an intelligent gating mechanism to suppress noise propagation during multi-scale interactions. Furthermore, a Frequency-Adaptive Mamba Projector (FAMP) is incorporated to capture long-range dependencies within disjoint high-frequency textural features. Extensive experiments on the OCT-C8 dataset demonstrate that our approach achieves a state-of-the-art (SOTA) classification accuracy of 98.25%, surpassing existing methods. These results highlight the efficacy of RetiWave-Mamba in robustly identifying retinal pathologies under noisy conditions, offering a promising tool for clinical diagnosis.