MCNet:融合多层感知机和卷积的轻量级病变区域分割网络

摘要

针对现有医学图像分割网络存在计算量大、对硬件资源要求高和推理速度慢等不足，提出一种轻量级快速分割网络MCNet.MCNet采用编码器-解码器架构，使用多层感知机(MLP)和卷积分别提取并融合医学图像的全局特征和局部特征，以减少网络参数量并提高分割精度.在编码阶段使用卷积分支和多层感知机分支分别提取多尺度的局部特征和全局特征.通过跳跃连接融合这些特征并送入解码器.在解码阶段使用注意力门控机制进行特征增强.在BUSI和ISIC2018数据集上进行实验.和当前最优方法相比，MCNet的Dice相似系数和均交并比在BUSI数据集上分别提高0.11%和0.09%、在ISIC2018数据集上分别提高0.64%和0.95%.同时，MCNet显著减少了网络参数量、降低了浮点运算次数并缩短了CPU推理时间.

关键词

医学图像分割 / 深度神经网络 / 多层感知机(MLP) / 轻量级网络