E-SegNet：基于E型结构网络的精准2D与3D医学图像分割新范式

研究人员针对U型结构医学图像分割模型参数量大、计算效率低的问题，创新性提出E型分割框架(E-SegNet)，通过多尺度特征直接聚合和MLKConv模块，在Synapse等8个数据集上实现DSC提升5%、参数量减少73%，为轻量化精准分割提供新思路。

　　

医学图像分割是辅助临床诊断的关键技术，但传统U型网络如U-Net存在明显瓶颈：对称编解码结构导致参数膨胀，逐步上采样过程造成细节丢失。当前最优模型在Synapse数据集参数量超1亿，但DSC仅比2020年模型提升5%——这种"参数爆炸，性能缓增"的现象严重制约临床部署。更棘手的是，复杂器官如胰腺（平均DSC仅65%）和微小结构如胆囊的边界模糊问题始终未解。

为突破这一困境，Zhaoqi等创新性提出E型结构网络(E-SegNet)，其核心突破在于：① 摒弃传统逐级解码，直接聚合编码器多尺度特征；② 设计多尺度大核卷积(MLKConv)模块，通过3/5/7/11混合核与3/5/7/11膨胀率的深度可分离卷积，以4C²+70C的低参数量实现全局-局部特征融合。研究构建了2D和3D双版本，2D版采用MobileNet V4编码器，3D版选用Video Swin Transformer，通过跨阶段特征直接上采样至原分辨率后求和，再经MLKConv细化输出。

关键技术包括：① 采用Synapse、ACDC等8个公开数据集进行5折交叉验证；② 设计新型损失函数0.6L_dice+0.4L_ce；③ 在RTX 3090 GPU上测试74.63 FPS的实时性能；④ 通过消融实验验证[2-5]阶段聚合最优。

模型性能

在Synapse数据集上，2D E-SegNet以86.15% DSC刷新纪录，胰腺分割提升2.64%；3D版更以87.76% DSC超越D-LKA Net，HD95降低3.25。特别在BUSI超声数据中，其81.91% DSC显著优于AgileFormer（78.63%），且标准差降低1.09%，展现强鲁棒性。

计算效率

2D模型仅30.88M参数，比SwinUNet提速418%；3D版31.74M参数下仍保持78.62 FPS，FLOPs较UNETR降低28.24%。MLKConv模块的消融实验显示，移除后DSC骤降15.8%，证实其关键作用。

结构拓展性

将U-Net等5种模型改为E型结构后，参数量平均降低20%，DSC反升0.7%。但视频Swin Transformer编码器的初始patch层特征会干扰聚合，需排除以获得最佳效果。

这项发表于《Research》的工作开创了医学图像分割新范式，其临床意义在于：① 为资源受限场景提供高精度轻量化方案，ACDC心脏分割达92.53% DSC；② 多尺度特征直接聚合策略保留更多微小结构信息，胰腺CT分割ASD降至1.10 mm；③ 通用架构设计支持2D/3D任务迁移，Kvasir-SEG息肉分割达94.83% DSC。未来可通过引入动态卷积核和混合精度训练进一步优化3D版的显存消耗，推动其在PET-CT等多模态影像中的应用。