EMG-SegNet：通过高效多尺度特征聚合与全局坐标注意力机制重新审视U型范式，用于医学图像分割

《Biomedical Signal Processing and Control》：EMG-SegNet: rethinking the U-shaped paradigm with efficient multi-scale feature aggregation and global coordinate attention for medical image segmentation

　　

U形架构已成为医学图像分割的主导框架，并在各种任务中取得了显著的性能。然而，它们对复杂编码器-解码器设计和渐进式分辨率恢复的依赖导致了高昂的计算成本，限制了其在资源受限场景中的应用。为解决这一问题，我们提出了一种轻量级的E形分割框架，称为EMG-SegNet，该框架在提高分割性能的同时显著降低了模型复杂度。在解码器中，我们设计了多尺度膨胀特征聚合（MDFA），以在特征融合过程中扩大有效感受野，而无需引入额外的空间下采样，从而增强了在重建的高分辨率特征表示上进行的多尺度上下文建模能力。此外，我们设计了一个全局分组坐标注意力（GGCA）模块，通过利用全局空间依赖关系来自适应地重新校准特征表示，从而增强判别能力。在三个二维医学图像分割基准（包括Synapse、ACDC和一个自采集中耳道数据集）上进行的广泛实验表明，所提出的方法在多个评估指标上优于最先进的U形模型，同时使用了显著更少的参数。这些结果表明，我们的方法在准确性和效率之间取得了良好的平衡，为轻量级医学图像分割提供了有前景的方向。

引言
医学图像分割旨在从复杂的医学成像模态（如计算机断层扫描（CT）和磁共振成像（MRI））中自动或半自动地描绘感兴趣区域（ROI），从而为临床诊断和治疗计划提供基本支持。这项技术可以显著降低人工标注的成本，同时提高诊断效率和准确性。然而，由于解剖结构在位置、形状和尺寸上的显著变化，以及医学图像中常见的低对比度和模糊边界问题，精确分割仍然极具挑战性。

早期的医学图像分割方法主要依赖卷积神经网络（CNN）来建模局部特征表示，带来了显著的性能提升。然而，由于卷积操作本质上感受野有限，这些方法难以捕捉长距离依赖关系，这限制了它们有效建模全局上下文信息的能力。随着深度学习的快速发展，U-Net及其变体通过利用带有跳跃连接的编码器-解码器架构，显著改善了特征传播，因此成为医学图像分割的主导范式。在此基础上，后续研究如Attention U-Net和KiU-Net将注意力机制和架构增强融入U形设计中，进一步提高了广泛任务的分割性能。

近年来，由于其在建模长距离依赖关系和全局上下文方面的优越能力，视觉Transformer（ViT）被引入医学图像分割领域。现有的基于ViT的方法大致可分为两类。第一类是纯Transformer架构，如SwinUnet和AgileFormer，它们完全基于自注意力机制构建编码器-解码器框架以实现全局特征表示。第二类包括混合架构，如UCTransNet和EMCAD，它们将基于ViT的编码器与基于CNN的解码器相结合，从而有效地将全局语义信息与细粒度局部细节结合起来。这些方法显著推进了医学图像分割U形架构的发展。然而，尽管取得了令人印象深刻的性能提升，这些方法在模型复杂度和多尺度特征表示能力方面仍存在局限性。

尽管现有方法取得了显著进展，但几个关键挑战仍然存在。首先，传统U形架构通常依赖对称的编码器-解码器结构，导致大量参数开销，并随着网络深度增加而过拟合风险加大。其次，传统跳跃连接机制通常不足以有效地进行多尺度特征融合，因为它们在同时保持全局语义一致性和保留细粒度局部细节时遇到困难，可能导致细微结构信息的丢失。此外，大多数现有方法依赖单尺度特征表示或采用相对有限的注意力机制，这限制了它们跨不同尺度建模和选择性融合特征的能力。这些局限性可能会损害在边界模糊、解剖结构不规则或病变形状复杂等具有挑战性的场景中的分割性能。

此外，数据分布的差异进一步加剧了医学图像分割的挑战。公开可用的数据集通常使用高质量成像设备采集，具有清晰的边界和高分辨率。相比之下，现实世界的临床数据通常受到噪声干扰、低对比度和稀疏病变分布的影响，这显著降低了模型的泛化能力。因此，在复杂数据条件下实现鲁棒且具有判别力的特征表示仍然是一个迫切需要解决的关键挑战。

我们提出了一种既轻量级又高效的E形医学图像分割网络，以应对上述问题。为了改善多尺度特征表示，在编码阶段实现了多尺度膨胀特征聚合（MDFA）模块。该模块使用具有不同膨胀率的卷积，并结合通道和空间注意力技术。为了改善空间和通道交互并实现更具判别力和细粒度的特征表示，我们创建了多尺度大核卷积（MLKConv）模块。此外，为了利用全局空间依赖关系来自适应地重新校准特征，我们在特征融合步骤中添加了全局分组坐标注意力（GGCA）模块。总之，所提出的方法成功地在具有挑战性的情况下提高了分割的鲁棒性和准确性，同时保持了较高的计算效率。

本文的主要贡献可总结如下：
（1）与传统U形编码器-解码器设计不同，我们提供了一种新颖的E形分割架构，通过消除渐进式解码过程来大幅减少模型参数。此外，多尺度大核卷积（MLKConv）模块使用具有不同核大小和膨胀率的深度卷积，有效地捕捉和整合局部和全局上下文信息。

（2）我们在编码器中引入了多尺度膨胀特征聚合（MDFA）模块，以有效地在不降低特征分辨率的情况下扩大感受野。MDFA旨在在特征融合过程中扩大有效感受野，而无需引入额外的空间下采样，从而增强在重建的高分辨率特征表示上进行的多尺度上下文建模能力。

（3）我们开发了一个用于特征融合的全局分组坐标注意力（GGCA）模块，该模块将空间维度（高度和宽度）上的全局上下文建模与分组注意力策略相结合。这种设计增强了显著特征表示，同时抑制了冗余信息，从而在复杂场景中提高了特征多样性和整体性能。

（4）据我们所知，我们首次将人耳道结构引入医学图像分割领域，并构建了一个具有多设备采集、低分辨率和慢性病分布特征的具有挑战性的多中心临床数据集。在两个公开数据集和所提出数据集上的广泛实验表明，我们的方法达到了最先进的性能，并展现出优越的泛化能力。

相关工作
U形和轻量级基于CNN的医学图像分割：U-Net凭借其简单高效的对