计算机应用研究

作者：谌海云,向浩睿,邓洲垚,

单位：西南石油大学电气信息学院,成都610500；

关键词：图像分割,脑肿瘤分割,交叉引导多尺度注意力,双池化边缘增强,空间-语义融合,

基金：南充市-西南石油大学市校科技战略合作项目(23XNSYSX0106,23XNSYJG0051)；智能电网与智能控制南充市重点实验资助项目(NCKL201918)；；

针对脑肿瘤MRI图像分割中多尺度特征提取能力受限、边界模糊及模态差异导致的空间-语义割裂问题，提出一种改进的脑肿瘤分割模型CDSTransUnet。首先，设计交叉引导多尺度注意力交互模块（CMAM），通过动态通道注意力与可变形空间注意力的协同优化机制，增强多尺度特征捕捉能力；其次，提出双池化边缘增强模块（DPEEM），利用混合池化差分策略提取残差边缘特征，有效强化肿瘤边界的识别和分割能力；最后，构建空间-语义融合门控机制（SSFG），通过自适应权重动态融合CNN的局部空间特征与Transformer的全局语义信息，缓解异构特征错位问题。在BraTS2020和BraTS2019数据集上，该方法在肿瘤核心（TC）、全肿瘤（WT）和增强肿瘤（ET）区域的Dice系数分别达到89.19/88.60、83.58/82.19和75.89/76.86个百分点，相对基线模型在BraTS2020/BraTS2019数据集上分别提升2.64/1.74、4.81/3.98和2.16/1.90个百分点，且豪斯多夫距离（HD）显著降低。实验验证了模型分割复杂肿瘤形态的有效性和鲁棒性，为医学影像分析提供了可靠支持。

来源：2026年第2期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2026年第2期