基于双路编码器融合与注意力门控的脑卒中图像分割网络

赵云伟; 白青海; 廉洁; 谭克强; 姜明洋

doi:10.14045/j.cnki.15-1220.2026.01.007

内蒙古民族大学学报（自然科学版） ›› 2026, Vol. 41 ›› Issue (1) : 50 -58. DOI: 10.14045/j.cnki.15-1220.2026.01.007

基于双路编码器融合与注意力门控的脑卒中图像分割网络

赵云伟, 白青海, 廉洁, 谭克强, 姜明洋

作者信息 +

Author information +

文章历史 +

摘要

缺血性脑卒中在三维磁共振成像（MRI）中呈现体积小、形态多变和边界模糊等特征，自动分割任务面临较大挑战。为提高分割的全局语义一致性与局部细节刻画能力，构建了一种结合双路编码器融合与注意力门控机制的三维医学图像分割网络DFAG-Net。网络由Swin Transformer编码器与轻量级三维卷积编码器组成，并通过编码器融合模块（EFM）实现跨分支、多尺度语义交互，通过注意力门控跳连接模块（AGSM）完成跨层级特征的空间选择性筛选。在ISLES 2022和ATLAS v2.0脑卒中数据集上开展的实验表明，DFAG-Net在Dice系数、HD95、精确率和召回率等评价指标上均优于多种主流分割模型，其中在ISLES 2022与ATLAS v2.0上的Dice分别达到74.50%和56.80%。结果表明，该网络在三维脑卒中病灶分割任务中具备良好的稳定性与适应性，可为缺血性脑卒中病灶的定量分析与智能辅助诊断提供有效技术支撑。