融合大核门控及双注意力的骶髂关节分割网络

来源：电子测量技术杂志2026年第1期北京时间：

作者：严武军，景莹，徐莹臣，张晓丽，王程

单位：太原师范学院计算机科学与技术学院 晋中 030600

摘要：强直性脊柱炎是一种慢性炎症性疾病，其早期诊断依赖于骶髂关节病变特征的准确识别。然而，由于骶髂关节解剖结构复杂、病灶呈现多尺度异质性，且易受CT部分容积效应及噪声干扰，传统分割方法的精度难以满足临床需求。为此，提出了一种基于多尺度注意力融合的网络模型（MAG-UNet）。该模型通过多尺度特征融合模块（MFF）强化局部-全局特征协同表征，结合双路径注意力机制（DA）的空间-通道自适应加权，并引入大核分组注意力门控（LGAG）以解决跨尺度特征耦合问题。在山西白求恩医院提供的数据集上进行的实验表明，MAG-UNet在骶髂关节CT分割中取得了显著的性能提升，Dice系数达到92.4%，IoU达到86.0%，较U-Net基线模型提升3.4%（IoU）。本文为强直性脊柱炎的早期诊断提供了可靠的技术支持，具有重要的临床应用价值与推广潜力。

关键词：强直性脊柱炎;骶髂关节;医学影像分割;多尺度注意力融合;特征优化

基金资助：山西省科技战略研究专项重点项目（202304031401011）资助