基于金字塔卷积和像素注意力的分割方法

来源：计算机应用与软件杂志2025年第6期北京时间：

作者：阴桂梅, 肖易勇, 席鑫华, 赵艳丽, 谭淑平, 强彦, 罗士朝

摘要：针对医学图像分割任务中存在的分割目标大小变化跨度大且结构复杂，以及神经网络对目标边缘细节学习效果差这两个问题，在U-Net网络的基础上构造了金字塔空洞卷积与像素级注意力网络（DP-Net）。设计金字塔空洞卷积模块并替换传统的卷积操作，通过多种空洞卷积的组合扩展了网络感受并编码得到全局上下文信息；提出像素级注意力模块，在通道注意力机制的基础上进一步编码像素间的依赖关系使网络能从不同通道的特征中学习到更丰富的局部上下文信息。通过在静态分析数据集LIDC和私人肝肿瘤数据集上进行实验评估，所提出的DP-Net在三种评估指标上都获得优于当前方法的性能，证明所提出网络改进在分割精度方面的有效性。

关键词：深度学习, 医学图像处理, 图像分割, 注意力机制, 空洞卷积