BiUNet：基于双层路由注意力的轻量化医学分割网络

摘要

针对视觉Transformer骨干提取网络计算开销大，模型训练缓慢的问题，同时为了进一步提升Transformer结构在医学图像领域的分割性能，提出一种名为BiUNet的新型轻量级U型架构的医学图像分割网络。将输入医学图像整切成若干图像块后，送入一种基于双层路由动态稀疏注意力机制的BiFormer转换器中，通过组合下采样和特定块数的BiFormer模块，构建多级金字塔结构实现特征提取。随后通过组合上采样和卷积模块，相应构建多级金字塔结构进行特征解码，进而实现像素级语义分割。该模型在3个医学数据集上依次取得了90.2%, 93.7%和85.6%的mIoU值以及5.55 G的Flops和28.10 M的参数量。结果表明，BiUNet能够以轻量化的效果有效提升医学图像分割的精度。

关键词

双层路由注意力机制 / Transformer结构 / 医学图像分割 / 轻量级 / U型结构