基于多尺度偶数卷积注意力U-Net的医学图像分割

来源：信号处理杂志 2022年第9期北京时间：

作者：杨真真, 孙雪, 邵静, 杨永鹏

摘要：为了提高U-Net网络性能的同时尽可能减少额外计算量，本文提出了一种新的多尺度偶数卷积注意力U-Net （Multiscale Even Convolution Attention U-Net， MECAU-Net）网络。该网络在编码端采用2×2偶数卷积代替3×3卷积进行特征提取，并借鉴多尺度思想，采用4×4偶数卷积将得到的信息直接传递给主干部分，以获取更全面的图像信息并减少额外计算开销，同时还采用对称填充解决偶数卷积提取信息过程中产生的偏移问题。此外，在2×2偶数卷积模块后加入卷积注意力模块，结合空间和通道注意力，在提取更丰富的信息的同时几乎不增加额外开销。最后，在两个医学图像数据集上进行仿真实验，实验结果表明提出的MECAU-Net网络相对于U-Net在稍微增加计算成本的情况下，分割性能得到了较大的提升，并比其他对比网络取得更好的分割性能的同时还降低了参数量。

关键词：‍‍卷积神经网络, 医学图像分割, 偶数卷积, 多尺度, 注意力模块