计算机辅助设计与图形学学报

作者：赖晓婷, 张静

关键词：医学图像分割, 多尺度感知, 语义扩散, 特征对齐, 注意力机制

有效的多尺度特征表示对于准确地分割医学图像中大小不一的病变区域具有重要意义. 针对现有方法未能充分挖掘不同目标的多尺度信息导致难以实现精确分割的问题, 提出一种语义扩散对齐的多尺度感知医学图像分割方法. 首先从局部和全局 2 个角度探索多尺度上下文信息的感知能力, 构建多尺度编码器和解码器. 其中, 多尺度编码器利用局部多尺度自注意力机制和全局重调整来提取多尺度特征, 以捕获图像中不同目标的信息, 多尺度解码器则通过上采样恢复空间分辨率并保留细节信息, 得到更准确的分割结果; 为了进一步增强特征语义表示, 提出语义扩散对齐模块, 实现了低级特征与高级特征的语义对齐, 获得更具鉴别性的融合特征. 在 Synapse 和 ACDC 数据集上的实验结果表明, 所提方法的平均 Dice 相似系数分别达到 82.42%和 92.25%, 性能优于大多数主流分割方法. 该方法的相关代码链接为 https://github.com/MiniCoCo-be/MSPSN.

来源：2025年第8期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2025年第8期