M3amba
M3amba: Memory Mamba is All You Need for Whole Slide Image Classification
data: TCGA-BRCA、TCGA Lung、TCGA-ESCA、BRACS
CVPR 2025 · 论文
引言
通过动态记忆库保留跨组历史信息，并结合组内双向 Mamba 和跨组注意力，缓解长序列状态空间建模中的上下文遗忘。
方法
（1）组内 BiMamba：在局部组内双向建模组织联系。
（2）动态记忆：持续保留和更新历史组的信息。
（3）跨组融合：用注意力与专家模块结合当前及历史表示，形成全局预测。
原文Figure 2，PDF 第 3 页。
实验
实验设置
同时比较注意力、Transformer 与 Mamba 方法，并报告模型参数与计算复杂度。
主要结果
摘要报告 BRCA 和 Lung 的 ACC 增益分别为 6.2、7.0 个百分点；这些增益依赖相应比较基线。
原文Table 1，PDF 第 6 页。
消融与讨论
消融 BiMamba、卷积块、动态记忆库、组监督及 MoE，重点检查跨组历史信息的作用。
参考文献
M3amba: Memory Mamba is All You Need for Whole Slide Image Classification
CVPR 2025 · 论文