山东建筑大学计算机与人工智能学院人工智能专业本科生潘维超以第一作者身份完成的研究成果，被国际知名期刊Information Processing & Management(IPM)录用。IPM是信息处理与数据挖掘领域的国际权威期刊，为JCR一区TOP期刊。论文通讯作者为计算机与人工智能学院刘兴波教授。

论文“MedCTM: A CNN-Transformer-Mamba Hybrid Network for Medical Image Classification”由山东建筑大学、澳门大学和哈尔滨工业大学（深圳）合作完成。现有医学图像分类方法通常难以同时兼顾局部病灶纹理、长程空间依赖与跨分支特征交互：CNN擅长局部细节提取但长程建模能力有限，Transformer具备全局建模能力但计算成本较高，Mamba虽能高效捕获长程依赖但局部结构感知不足。针对上述问题，该论文提出了CNN-Transformer-Mamba混合医学图像分类网络MedCTM，将特征学习分解为局部特征提取、长程依赖建模和跨分支交互三个互补过程，并设计了双向通道交互注意力模块，使CNN分支与Mamba分支能够动态交换局部细节和长程上下文信息，从而提升医学图像特征表达能力与分类性能。基于8个公开医学图像数据集以及与22个主流基准模型的广泛对比实验表明，MedCTM在准确率、F1分数、AUC，以及参数量和计算复杂度等方面均取得了优异的综合表现。该研究为构建高效、通用的医学图像分类模型提供了新的思路。

论文信息：Weichao Pan, Jiaju Kang, Xu Wang, Chengze Lv, Xuening Zhang, Xingbo Liu*.MedCTM: A CNN-Transformer-Mamba Hybrid Network for Medical Image Classification,Information Processing & Management.

审稿：倪文豪

编辑：李嘉麒

终审：李   展