计算机应用研究

作者：张文杰,宋艳涛,王克琪,张越,

单位：山西大学a.大数据科学与产业研究院;b.计算机与信息技术学院,太原030006；

关键词：医学图像分割,轻量化网络,Transformer,

基金：山西省回国留学人员科研教研资助项目(2023-015)；国家自然科学基金资助项目(61906114)；；

传统的医学图像分割网络参数量大、运算速度缓慢，不能有效应用于即时检测技术。为解决该问题，提出了一种轻量化的医学图像分割网络SPTFormer。该网络构建了自分块Transformer模块，其通过自适应的分块策略重塑特征图，利用并行化计算在提高Attention运算速度的同时关注局部细节特征；还构建了SR-CNN模块，使用平移加复位操作提升对局部空间信息的捕获能力。在ISIC 2018、BUSI、CVC-ClinicDB和2018 data science bowl四个模态数据集上进行了实验，与基于Transformer的TransUNet网络相比，所提网络SPTFormer精度分别提高了4.28%、3.74%、6.50%和1.16%，GPU计算耗时降低58%。该网络在医学图像分割应用中具有更优的性能，可以良好地兼顾网络精度和复杂度，为计算机即时辅助诊断提供了新方案。

来源：2024年第11期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第11期