DBFA-Net：一种基于扩散的双向融合与轴向注意力医学图像分割网络

《Biomedical Signal Processing and Control》：DBFA-Net: Diffusion-Based Bidirectional Fusion and Axial Attention Network for medical image segmentation

　　

• •
  提出BiFFM模块，通过双向引导融合语义特征与噪声特征。
• •
  设计FACAM模块，在频域中沿三个轴建模全局依赖关系。
• •
  开发MSA3M模块，聚合多尺度特征并恢复精细细节。
• •
  DBFA-Net在三个公开数据集上取得了具有竞争力的分割性能。

引言

医学图像分割是医学图像分析中的基本任务，旨在精确地勾画医学图像中的解剖结构或病变，以辅助疾病诊断、治疗计划和病情监测[1]、[2]、[3]。传统方法通常依赖手工设计的特征和预定义规则；然而，在处理噪声干扰、纹理复杂性和模糊边界时，它们表现出显著的局限性[4]。

近年来，深度学习技术在计算机视觉领域取得了显著成功，并越来越多地应用于医学图像分割任务[5]、[6]。卷积神经网络（CNN）在医学图像分割中展现出卓越的性能，特别是U-Net[7]架构，它采用对称的编码器-解码器结构和跳跃连接来集成多尺度上下文信息，从而提高分割精度。U-Net的成功激发了后续网络架构的诞生[8]、[9]，并奠定了其在医学图像分割中的基础地位。

随着深度学习的持续发展，最初基于自注意力机制的Transformer模型在自然语言处理任务中取得了重大进展[10]。最近，Transformer模型被引入医学图像分割任务，并在建模长距离依赖关系方面展现出优越的能力[8]、[11]、[12]。与CNN中局部卷积核固定感受野不同，Transformer模型利用自注意力机制灵活地捕获全局上下文，缓解了CNN在建模复杂结构和细粒度特征方面的局限性。在噪声严重且结构细节复杂的医学影像数据中，Transformer模型的多头注意力机制有助于统一建模局部细节和全局特征，增强分割的完整性和鲁棒性。

近期，去噪扩散概率模型（DDPM）[13]在各种有条件和无条件生成任务中展现出强大的性能[14]、[15]。这一成功促使研究人员将扩散模型引入医学图像分割，取得了显著进展[16]、[17]、[18]。MedSegDiff-V2[19]利用多尺度滤波器在多个尺度上融合条件特征，同时在频域中抑制高频噪声，增强特征表示。Diff-UNet[20]应用去噪过程和不确定性融合来细化分割边界并减少三维医学图像中的噪声干扰。DermoSegDiff[21]引入了一种边界引导的扩散模型，在训练过程中采用动态损失函数来强化边界区域，从而改进模糊边界的分割。尽管取得了这些进展，挑战依然存在。噪声特征和语义特征在医学图像中本质上存在差异，简单的拼接或相加可能导致交互不足，限制了有效全局上下文建模。此外，编码器特征通常直接传递给解码器，而没有进行轴建模或自适应多尺度选择，从而引入冗余背景并削弱细粒度边界。

为了克服这些挑战，我们提出了DBFA-Net，一种基于扩散的双向融合和轴注意力医学图像分割网络。DBFA-Net采用双向特征融合模块（BiFFM）来双向合并条件和噪声特征嵌入。此外，它还引入了频域轴交叉注意力模块（FACAM），在频域中沿D/H/W轴建模跨尺度长距离依赖关系。在解码过程中，DBFA-Net利用多尺度轴聚合注意力模块（MSA3M）自适应地聚合多尺度编码器特征，减轻因下采样导致的细节丢失，进一步提高分割性能。DBFA-Net并非简单地堆叠三个模块，而是作为一个基于扩散的分割双向语义-噪声交互框架来构思的，明确针对现有基于扩散的分割模型的三个核心局限性：语义-噪声交互不足、全局依赖建模不充分以及解码过程中的细节丢失，分别由BiFFM、FACAM和MSA3M来解决。具体而言，主要贡献如下：

• (1)
  我们提出DBFA-Net，一种用于医学图像分割的基于扩散的网络。通过将BiFFM引入去噪U-Net以双向融合噪声和语义特征，条件编码器和扩散编码器可以相互引导和学习，增强条件信息的利用并提高分割精度。
• (2)
  我们提出FACAM，在频域中执行轴交叉注意力以融合深度条件特征和噪声特征，有效地建模跨尺度长距离依赖关系和全局上下文。此外，我们引入MSA3M，在解码过程中自适应地聚合多尺度特征，减轻因下采样导致的细节丢失并提高特征重建精度。
• (3)
  我们在三个公开数据集上对DBFA-Net进行了广泛的评估。实验结果表明，在所采用的实验设置下，所提方法在分割精度和鲁棒性方面与近期最先进方法相比达到了具有竞争力的或更优的性能，验证了其有效性和泛化能力。

章节摘要

医学图像分割方法

深度学习已显著推进医学图像分割，许多基于CNN和Transformer的架构在公开基准上成为强有力的基线方法。nnU-Net[9]基于二维和三维U-Net构建了一个通用化框架，能够自动适应不同数据集并始终保持强劲性能。SegResNet[22]采用深度残差架构来缓解梯度消失问题并聚合多尺度特征，而3D UX-Net[23]则采用大核

整体架构

DBFA-Net的整体架构如图1所示。与直接依赖原始图像数据来预测最终分割标签的传统医学图像分割方法不同，我们的方法通过同时将原始图像和噪声分割标签作为输入来学习完整的去噪过程。所提出的分割网络由三个核心模块组成：双向特征融合模块（BiFFM）、频域轴交叉注意力模块

数据集描述

为了全面评估所提模型的分割性能，我们在三个公开可用的医学图像分割数据集上进行了实验：BraTS2019[39]、BraTS2020[40]和BTCV[41]。BraTS2019和BraTS2020是多模态脑部MRI分割数据集，分别包含335例和369例病例。每个病例包含四种MRI模态（T1、T1ce、T2和FLAIR）以及专家标注的肿瘤标签。遵循文献[20]中描述的实验方案，我们

讨论

精确的医学图像分割对于疾病诊断和临床评估至关重要。近年来，基于扩散的深度学习取得了优异的成果。然而，现有方法在整合多尺度语义和噪声特征以及捕获全局上下文依赖关系方面仍面临困难，限制了在复杂解剖结构上的性能表现。

为解决这些问题，我们提出了DBFA-Net，一种基于扩散的分割网络，引入了双向特征交互

结论

精确的医学图像分割在疾病诊断和临床评估中发挥着至关重要的作用。在本文中，我们提出了一种新颖的基于扩散的分割网络DBFA-Net，用于自动医学图像分割。该网络由特征编码器和去噪U-Net框架构建，并集成了三个关键组件：双向特征融合模块（BiFFM）、频域轴交叉注意力模块（FACAM）和多尺度轴聚合模块

CRediT作者贡献声明

陈宇星：撰写——审阅与编辑，撰写——初稿，可视化，验证，软件，方法论，调查研究，形式化分析，数据整理，概念化。徐会莹：撰写——审阅与编辑，软件，资源，项目管理，方法论，资金获取，概念化。陈慧玲：撰写——审阅与编辑，监督指导，资金获取，概念化。陈振东：验证，调查研究，形式化分析。吴玲萱：验证，

利益冲突声明

作者声明他们没有已知的可能影响本文所报告工作的竞争性经济利益或个人关系。

致谢

本工作得到了国家自然科学基金资助（62376252、U25A20450、62571374）；浙江省领雁计划（2025C02025、2025C01056）；浙江省省地协同计划（2025SDXT004-3）。

陈宇星|徐会莹|陈慧玲|陈振东|吴玲萱|江卫建|胡越|朱新忠