基于双编码器的鼻中隔医学图像分割模型

来源：电子测量技术杂志2025年第15期北京时间：

作者：周宝康，曹爽，高洪涌，宋维波，崔树林

单位：1.大连海洋大学信息工程学院 大连 116023;2.大连理工大学附属中心医院 大连 116033

摘要：鼻中隔解剖结构的精准分割对病症评估及手术规划具有重要临床价值，然而现有基于卷积神经网络（CNN）的方法在全局特征表征方面存在局限性。为此，本研究创新性地构建CTA-Net模型，通过双分支编码架构实现局部-全局特征协同学习：CNN分支捕捉解剖结构细节特征，Transformer分支建模长距离空间依赖关系，并设计特征融合模块实现特征信息交互。特别在瓶颈层引入多尺度特征注意力机制，通过自适应感受野调整增强模型对复杂解剖结构的表征能力。实验验证采用自主标注的鼻中隔临床数据集及ISIC 2018、Kvasir共3个医学数据集进行对比实验，结果显示本模型在鼻中隔分割任务中IoU和Dice分别达到90.38%和94.94%。在跨数据集对比实验中，胃肠镜图像分割任务上的IoU精度达76.17%，显著优于其他现有模型，证实了模型在特征学习能力和泛化适应性方面的优势。本研究为医学图像分析提供了一种融合局部感知与全局建模的创新性解决方案，在耳鼻喉科智能诊疗领域具有重要应用前景。

关键词：CNN;鼻中隔;多尺度特征;医学图像分割;深度学习

基金资助：辽宁省教育厅项目(LJKMZ20221110)、大连市卫生健康委项目(2111004, 2211006)资助