基于MGM-Unet的轻量级肾脏图像分割算法

来源：计算机技术与发展杂志2025年第06期北京时间：

作者：史健婷;李雪瑶;陈亦男

单位：1. 黑龙江科技大学 计算机与信息工程学院,黑龙江 哈尔滨 150022;2. 黑龙江科技大学 研究生学院,黑龙江 哈尔滨 150022

摘要：肾脏图像分割在评估肾脏疾病的严重程度及其病变特征方面起到了重要作用,有助于提升临床诊断的准确性和及时性。 目前肾脏图像分割精度仍有提升空间且传统的分割方式消耗过多的计算资源。 因此,提出一种基于 MGM-Unet网络的轻量级肾脏图像分割算法,使用 MobileNetv3 作为主干网络,优化下采样中特征提取能力,在 Unet 的跳跃连接中嵌入多维注意力机制 MCA,通过同时关注通道、空间的不同尺度的方式,进一步增强了特征信息的表达能力,使用 Ghost 模块替换上采样中的卷积块,生成虚拟特征图,从而显著降低了计算复杂度,提升了分割精度。 实验结果表明,MGM-Unet 算法中 GFLops 的值比原模型降低了 424. 26 G、Params 的值相比原模型降低了 19. 43 M,同时精度指标 mPA 的值达到 95. 78% ,精确率达到 79. 22% ,MIoU 的值达到 77. 73% ,分别比原模型增加 27. 4% 、4. 15% 、14. 31% ,并通过在不同模型上计算效率的比对,也体现了 MGM-Unet 算法的高效性和鲁棒性。

关键词：肾脏图像分割;Unet;MobileNetv3;Ghost模块;注意力机制