融合动态卷积与自适应多方向注意力的多尺度脑肿瘤检测

来源：计算机工程与应用杂志2026年第10期北京时间：

作者：邵虹, 李荣辉, 崔文成

单位：沈阳工业大学 信息科学与工程学院，沈阳 110870；

摘要：脑肿瘤检测对于辅助医生进行临床诊断以及疾病早期干预和治疗具有重要意义。针对多尺度脑肿瘤中小病灶导致语义信息缺乏、特征表示不足以及尺度差异较大的问题，提出一种融合动态卷积与自适应多方向注意力的多尺度脑肿瘤检测网络DCA-YOLO。通过动态卷积模块的双阶段解耦机制提取特征，将空间和通道解耦的同时，最大程度地保留特征信息，以及采用多分支卷积结构充分提取多种判别性的语义信息；引入特征增强模块以提升特征信息，应对特征表征不足的挑战；采用空间与通道协同作用的自适应多方向注意力捕捉不同层次的信息，实现有效的多尺度特征融合。在Br35H数据集上，mAP50达到了97.6%，mAP50：95达到了70.9%，参数量降低了11%。在Br35H-E以及BTD数据集上，mAP50分别为93.5%和54.9%，mAP50：95分别为79.5%和54.7%。综合来看，DCA-YOLO在保证检测精度提升的同时降低了网络复杂度。

关键词：脑肿瘤检测,动态卷积,特征增强模块,自适应多方向注意力