多种注意力机制的AViT-UNet高效医学影像分割方法

摘要

针对现有的医学影像语义分割方法复杂度高、参数量大、精度低及无法在低配置及医院边缘部署设备等实际问题，提出了一种基于多种注意力机制的vision transformer U-Net型轻量级医学影像语义分割方法 AViT-UNet。首先设计了轻量化的卷积模块（LDB）并应用于编码-解码层的卷积模块，降低了模型的计算复杂度。其次，引入了自注意力机制模块EMHA，在深层网络与瓶颈层进行应用，加强了分割精度。最后，针对跳跃连接与特征输入部分，网络使用通道注意力、空间注意力等机制，加强了残差连接与卷积深度，使分割结果更加精细。该方法有效弥补了Transformer的高计算量与卷积神经网络在捕获全局特征方面的不足，在轻量化网络的同时提高了语义分割的精度，使语义分割网络能够部署在配置有限的医疗设备和移动平台上。在Synapse、GlaS和MoNuSeg这3个公开医学影像语义分割基准数据集上进行多维度评测指标验证，结果证明了该方法具有一定的先进性和可行性。具体实现代码已上传至https://github.com/shepherdxu/AViT-UNet。

关键词

语义分割 / 卷积神经网络 / 视觉Transformer / 注意力机制