BMANet：用于医学图像分割的边界感知多尺度注意力网络

《Biomedical Signal Processing and Control》：BMANet: Boundary-aware Multi-Scale Attention Network for medical image segmentation

　　

摘要

医学图像分割在不同模态间仍面临诸多挑战，因为模糊的目标边界、尺度多变的解剖结构和异质性外观往往会降低特征表示能力和预测精度。为应对这些挑战，我们提出了BMANet，一种边界感知的多尺度注意力网络，用于实现准确且高效的医学图像分割。BMANet基于轻量级编码器-解码器架构构建，由四个互补模块组成。首先，多尺度上下文聚合模块（MCAM）结合金字塔空洞卷积与大核分支，在减少因反复下采样导致的空间信息损失的同时捕获层次化上下文信息。其次，边缘轮廓增强注意力模块（ECEA）将低层边缘线索与高层语义表示融合，以增强对边缘敏感的特征学习。第三，自适应通道感知空间注意力模块（ACSA）动态校准通道和空间响应，在对比度和纹理条件变化时提升特征辨别能力。最后，先验多尺度特征精化解码器（PMFR）采用反向注意力和渐进式特征精炼，强调难以分割的区域并恢复精细的空间细节。在涵盖息肉分割、细胞核分割、皮肤病变分割和细胞分割的七个公开数据集上的大量实验表明，BMANet在保持良好计算效率的同时，实现了与最先进方法相当或更优的性能。这些结果表明，BMANet为多样化成像场景下鲁棒的医学图像分割提供了一种有效且实用的框架。

引言

医学图像分割是现代医学诊断的基础组成部分，它实现了解剖结构和病理区域的像素级勾勒，在多种临床应用中发挥着关键作用，包括放疗计划中的肿瘤定位[1]、[2]、手术导航中的器官分割[3]、[4]以及用于监测疾病进展的定量病变评估[5]、[6]。

在深度学习之前，医学图像分割主要依赖传统技术：阈值分割[7]、基于边缘的方法[8]、基于区域的方法[9]、基于聚类的方法[10]和基于图的方法[11]。这些方法依赖于预定义规则和基于灰度的操作，具有计算效率高和可解释性强的优点。然而，它们在噪声、强度不均匀性和外观变化下性能往往下降，限制了其在临床环境中的鲁棒性。

将传统技术与深度学习相结合的混合方法已成为医学图像分析的一个突出方向[12]。这些方法利用两种范式的互补优势，以提升复杂医学图像的分割效果。在深度学习模型中，卷积神经网络（CNN）尤其是U-Net[13]等编码器-解码器架构已成为医学图像分割的主流方法。通过层次化特征提取和跳跃连接，这些网络整合了多尺度语义信息。然而，U-Net及其变体在层次化编码过程中可能会丢失精细的空间细节，特别是在复杂的解剖区域。为解决这一问题，先前的研究引入了注意力机制和上下文增强模块。例如，注意力U-Net[14]采用注意力门控来强调显著区域，但主要关注局部特征精炼，难以捕获长程全局依赖关系。类似地，CE-Net[15]通过专用模块增强上下文表示，但其有限的边缘感知建模可能影响精确的边界勾勒。

为克服CNN在捕获长程依赖关系方面的局限性，基于Transformer[16]的架构引起了越来越多的关注。借助自注意力机制，这些模型擅长建模全局上下文。然而，视觉Transformer（ViT）[17]将图像划分为不重叠的图块，这往往会破坏解剖结构的局部连续性。像TransUNet[18]这样的混合架构结合了CNN骨干网络和Transformer模块，以协同实现局部特征提取和全局关系建模。然而，跨尺度和跨范式的特征融合高效且可靠地实现仍然具有挑战性，并且通常需要大量标注数据集才能达到最佳性能。

最近，基于基础模型的医学图像分割已作为一个有前景的研究方向崭露头角。大规模预训练模型如分割一切模型（SAM）及其医学适配版本，利用广泛的预训练知识来提升跨数据集和跨模态的泛化能力。多项研究进一步探索了参数高效的适配和提示驱动的交互机制，显著推进了低数据场景下分割的鲁棒性。尽管取得了显著进展，仍存在两个主要挑战：(i) 细粒度边界细节保存不足，(ii) 跨尺度特征融合不充分，限制了低层空间信息与高层语义之间的协调。这些挑战出现在多种模态中，例如边界模糊且存在尺度变化的多模态息肉分割[19]，以及需要精确边缘感知和多尺度上下文的皮肤镜图像中的不规则病变[20]。

为应对这些挑战，我们提出了边界感知的多尺度注意力网络（BMANet），这是一种用于鲁棒医学图像分割的编码器-解码器架构。BMANet并非将多尺度上下文建模、边界增强、特征校准和解码器精炼视为独立操作，而是将它们集成到统一的分割框架中。整体设计遵循从早期上下文感知到边界感知特征交互再到解码端精炼的渐进策略。具体而言，MCAM在早期编码阶段引入，用于在反复下采样之前聚合互补的上下文信息。它将紧凑的空洞卷积与深度大核分支相结合，实现离散多尺度上下文建模和密集连续空间感知。ECEA通过引入低层边缘线索进一步增强高层语义特征，使网络能够更好地保留微弱和模糊的目标边界。ACSA从通道和空间角度自适应地重新校准融合特征，提升异质性外观的病变或组织区域的辨别性表示。最后，PMFR在解码过程中通过强调不确定区域和恢复边界细节，渐进式地精炼难以分割的区域。通过这些协调的组件，BMANet为医学图像分割提供了一种上下文感知且边缘敏感的方案。

本工作的主要贡献总结如下：

• •
  我们提出了BMANet，一个边界感知的多尺度编码器-解码器框架，联合考虑上下文聚合、边界增强、特征校准和解码器精炼，用于医学图像分割。
• •
  我们设计了MCAM和ECEA以增强编码器端的表示学习。MCAM捕获互补的感受野信息，而ECEA将边缘线索引入语义特征中，实现边界感知的特征增强。
• •
  我们开发了ACSA和PMFR以改进特征融合和预测精炼。ACSA从通道和空间角度重新校准跨尺度特征，而PMFR在解码过程中渐进式地精炼模糊区域。

章节摘要

相关工作

医学图像分割已从卷积编码器-解码器网络快速发展到Transformer增强架构、状态空间模型、基础模型和生成式分割框架。由于本工作聚焦于2D医学图像的高效边界感知多尺度分割，我们从四个方面回顾了最相关的研究：通用分割网络、边界感知与多尺度特征建模、基础模型与提示驱动分割，以及

架构概述

图1展示了BMANet的架构，该架构采用编码器-解码器结构，包含四个关键模块：多尺度上下文聚合模块（MCAM）、边缘轮廓增强注意力模块（ECEA）、自适应通道感知空间注意力模块（ACSA）和先验多尺度特征精化解码器（PMFR）。

编码器以MCAM开始，MCAM使用不同膨胀率的并行空洞卷积路径来捕获层次化上下文。特征随后通过ResNet-34处理

数据集

为评估所提出的BMANet模型的有效性，我们在七个公开数据集上进行了大量实验，涵盖四种医学分割任务：息肉分割、细胞核分割、皮肤病变分割和细胞分割。这些数据集的详细规格和相应的训练配置总结在表1中。

Glas[53]：包含16名患者的大肠癌组织病理切片，采用苏木素处理

结论

本文提出了一种边界感知的多尺度注意力网络（BMANet），以解决医学图像分割中的两个关键挑战：模糊的边缘特征和多尺度上下文整合不足，这些问题会降低准确性并导致边界勾勒不精确。BMANet集成了四个组件：用于层次化特征提取的多尺度上下文聚合模块（MCAM）、用于显式边界建模的边缘轮廓增强注意力模块（ECEA）、自适应

CRediT作者贡献声明

李冰：撰写初稿、方法论、调查研究、形式化分析。马燕丽：审阅与编辑、验证、数据整理。庞辰：审阅与编辑、验证、调查研究。张仁峰：审阅与编辑、验证、监督指导。卢然：审阅与编辑、验证、监督指导。吕雷：审阅与编辑、监督指导、项目管理、经费获取。

利益冲突声明

作者声明他们不存在已知的竞争性经济利益或个人关系，这些利益或关系可能被认为会影响本论文中报告的工作。

致谢

本工作部分得到国家自然科学基金资助，批准号62672290和62303285，山东省重点研发计划资助，批准号2025CXPT096，山东省自然科学基金资助，批准号ZR2024MF030，以及山东省泰山学者计划资助，批准号tsqn202607062。

李冰|马燕丽|庞辰|张仁峰|卢然|吕雷