计算机应用研究

作者：吴进旭,吴云,

单位：贵州大学a.公共大数据国家重点实验室;b.计算机科学与技术学院,贵阳550025；

关键词：脑肿瘤分割,自适应特征融合,残差混合注意力,双动态卷积增强,

基金：国家自然科学基金资助项目(62266011)；贵州省科技计划资助项目(黔科合基础-ZK［2022］一般119)；贵州大学研究生创新人才计划资助项目；；

脑肿瘤图像的自动化分割在脑肿瘤的辅助诊断和治疗方面至关重要。针对脑肿瘤图像病变区域复杂多变、病灶与背景区域边界模糊的问题，提出了一种结合残差混合注意力、自适应特征融合的脑肿瘤分割方法（residual adaptive convolution-Net，RAC-Net）。首先，使用双动态卷积增强（dual dynamic convolution enhancement，DDCE）模块以实现更灵活的特征提取和增强模型的适应能力；然后，引入残差混合注意力（residual mixed attention，RMA）模块，以充分提取图像的全局与局部特征；最后，在解码路径中使用自适应特征融合（adaptive feature fusion module，AF2M）模块来对深层与浅层特征进行融合，以获取更丰富的特征信息。在公共数据集BraTS2019与BraTS2021上进行实验，并使用数据集BraTS2023进行跨数据集验证，结果显示RAC-Net的大部分指标均优于现有主流分割方法，说明该分割方法对临床相关脑肿瘤疾病的辅助诊断具有一定的应用价值。

来源：2025年第8期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第8期