计算机辅助设计与图形学学报

作者：王康, 房乐鑫, 李振宇, 郝兴伟, 张彩明

关键词：胸腹部图像, 医学图像分割, 双分支架构, 非对称交叉注意力, 动态记忆队列

胸腹部医学图像分割在临床医学早期病变的筛查与诊断中具有不可替代的重要意义。针对胸腹部医学图像通常存在伪影干扰、边界模糊等因素，现有模型易产生分割错误的问题，通过构建双分支特征交互机制并联合跨样本特征融合，提出一种语义分割网络MQUNet。首先采用基于CNN-Transformer的双分支架构提取当前图像的局部特征与全局特征，尽可能全面地捕捉器官间的局部细节和空间关联，并新增设一个基于改进的激活函数的负向关注分支融合这2种特征，同时兼顾特征间的相似性和差异性，避免语义信息的丢失；然后根据训练样本的类别标签建立记忆队列存储解剖先验特征，并通过跨样本特征检索与加权融合将训练样本中的稳定解剖先验动态加入当前分割过程，有效地校正由伪影和模糊情况导致的特征偏移。在公开的心脏肿瘤（ACDC）和腹部多器官（Synapse）数据集上进行实验的结果表明，Dice系数指标分别达到92.53%和85.17%，优于文中对比的分割方法，MQUNet在胸腹部医学图像分割任务中展现出显著的优势。

来源：2026年第1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2026年第1期