基于SCEM-Swin-UNet模型脑出血微波检测技术

朱旭辉; 韩波; 李栋梁; 李泽慧; 龚梁钰

淮北师范大学学报（自然科学版） ›› 2026, Vol. 47 ›› Issue (1) : 61 -67.

朱旭辉, 韩波, 李栋梁, 李泽慧, 龚梁钰

作者信息 +

Author information +

文章历史 +

摘要

针对传统微波成像技术存在成像速度缓慢，以及传统神经网络模型在人脑出血图像生成中易出现预测偏差、伪影等问题，提出一种改进SCEM-Swin-UNet模型以实现高精度脑出血图像生成。该模型在Swin-UNet基础上进行结构创新，通过设计串联模块整合多尺度特征，引入稀疏混合专家层动态分配计算资源，结合EMA注意力机制增强对图像细微结构捕捉能力，在降低计算复杂度同时显著提升特征提取精度。为满足模型训练需求，采用HFSS仿真系统构建包含丰富出血位置与大小信息的微波成像数据集，通过该数据集对模型参数进行优化训练。与DCGAN、UNet系列等主流模型对比结果表明，SCEM-Swin-UNet生成脑出血图像在精度上显著优于其他模型，能够更准确地预测出血位置与大小，有效抑制伪影产生，大幅降低定位偏差。该模型通过结构优化与数据集创新，成功兼顾计算效率与预测精度，为脑出血疾病无创检测提供一种高效可靠技术方案。