非对称编码器-解码器U-Net结合混合注意力与残差多尺度空洞卷积用于脑肿瘤分割

《Frontiers in Neuroscience》：Asymmetric encoder-decoder U-net with hybrid attention and residual dilated convolution for brain tumor segmentation

　　

摘要 引言： 从磁共振成像中准确且自动地分割脑肿瘤被视为临床诊断和手术规划的关键。然而，同时提取局部精细细节和全局上下文线索仍然具有挑战性，这主要归因于模糊的肿瘤边界和肿瘤尺寸的显著差异。 方法： 为解决上述问题，本研究设计了一种新型HCSA-RMSDC U-Net，其特点是采用非对称架构，包含计算量较大的编码器（encoder）和轻量级解码器（decoder）。具体而言，研究人员在编码器中引入了混合通道-空间注意力（Hybrid Channel-Spatial Attention，HCSA）模块，其中利用轴向分解卷积捕获方向性空间信息，从而增强肿瘤分割的空间特征表示。同时，研究人员在瓶颈层部署了残差多尺度空洞卷积（Residual Multi-scale Dilated Convolution，RMSDC）模块，在不增加空间分辨率的情况下捕获不同尺度的语义信息。 结果： 所提出的模型在公开可用的BRISC 2025和Figshare数据集上进行了评估，分别取得了87.39%和82.84%的Dice系数（Dice coefficient）。 讨论： 这些发现支持HCSA和RMSDC机制在增强特征表示和多尺度上下文建模方面的互补作用。总体而言，所提出的框架为脑肿瘤分割提供了一种全自动的方法。

基于非对称U-Net架构的脑肿瘤MRI分割方法研究解读

一、研究背景与问题提出

胶质瘤（glioma）被公认为中枢神经系统中最常见且最致命的原发性恶性肿瘤，约占所有脑肿瘤的30%，其中胶质母细胞瘤（glioblastoma）患者的中位生存期仅为12至15个月。在临床实践中，磁共振成像（Magnetic Resonance Imaging，MRI）凭借其优异的软组织对比度，已成为脑肿瘤诊断、手术规划及治疗评估的首选影像学手段。然而，由于肿瘤边界模糊、肿瘤与正常组织灰度分布重叠显著，以及不同患者间肿瘤大小、形态和位置存在较大差异，从MRI中准确勾画肿瘤区域面临严峻挑战。传统分割方法主要依赖人工标注或半自动图像处理技术，如区域生长、水平集和活动轮廓模型，不仅耗时费力，而且高度依赖操作者的先验知识和经验，难以满足日益增长的临床需求。因此，开发能够从MRI图像中准确高效地自动分割肿瘤区域的脑肿瘤分割方法，仍是重要的研究方向。

尽管基于U-Net的编码器-解码器架构已成为医学图像分割的主流范式，且后续研究通过三维建模、结构重设计、注意力机制、多尺度特征提取及Transformer上下文建模等方式对其进行了广泛扩展，但脑肿瘤分割仍面临若干关键局限。其一，在多种注意力增强的U-Net变体中，注意力机制主要引入于跳跃连接或特征融合阶段，而编码器内部的渐进式注意力细化相对缺乏关注。由于编码器是整个特征层级结构的起点，早期阶段特征选择不足可能导致无关背景响应传播至后续层，削弱肿瘤相关特征的判别能力。其二，对于包括DeepLab和PSPNet在内的多尺度方法，尽管空洞卷积和金字塔池化能有效扩大感受野，但这些模块常作为独立替代方案引入，未与U-Net编码器-解码器主干紧密集成。其三，大多数现有方法采用对称架构，在编码器和解码器中部署复杂度相当的模块，却忽视了信息流的基本不对称性——编码器主要负责层级特征提取与判别，而解码器主要执行特征融合与空间重建。这种功能差异促使研究人员探讨是否可以在两条路径间差异化分配增强能力，而非均匀地增加计算开销。

二、研究内容与核心发现

针对上述局限，研究人员设计了一种新颖的非对称编码器-解码器U-Net架构，即HCSA-RMSDC U-Net。与传统对称设计不同，该网络刻意采用"重编码器、轻解码器"的设计理念，将计算资源集中部署在最需要的环节。该设计遵循两个核心原则：第一，在编码器侧判别增强方面，将混合通道-空间注意力（HCSA）模块嵌入每个编码器双卷积块内部，利用水平和垂直方向的深度可分离条带卷积捕获各向异性的长程依赖关系，并通过可学习的自适应融合权重动态组合通道与空间分支；第二，在瓶颈层多尺度感受野扩展方面，引入残差多尺度空洞卷积（RMSDC）模块，该模块由一个恒等分支和三个膨胀率分别为1、2、3的3×3空洞卷积分支组成，通过可学习的残差系数调节融合多尺度特征的注入强度。解码器仅保留标准上采样卷积，不引入额外的注意力或多尺度模块，从而在保留增强编码器和瓶颈层收益的同时最小化冗余计算。

研究在BRISC 2025和Figshare两个公开脑肿瘤MRI数据集上对模型进行了评估。BRISC 2025数据集包含4,793幅二维对比增强T1加权MRI图像及对应的像素级肿瘤掩膜，研究保留官方训练划分作为训练集，并将官方测试划分以1:1比例通过类别分层随机抽样分为验证集和测试集。Figshare数据集包含来自233例患者的3,064幅T1加权对比增强MRI图像，涵盖胶质瘤、脑膜瘤和垂体瘤三种肿瘤类型，研究按患者级别以8:1:1比例划分为训练、验证和测试子集。实验采用PyTorch框架在单块NVIDIA RTX 4080 s GPU上进行，使用AdamW优化器，初始学习率为1×10??，权重衰减系数为1×10??，损失函数为BCEDiceLoss，训练100轮，批大小为4。所有MRI图像均转换为灰度并调整至256×256像素，训练时采用随机水平/垂直翻转和随机旋转进行数据增强。评估指标包括Dice系数（Dice similarity coefficient）、平均交并比（mean Intersection over Union，mIoU）、95%豪斯多夫距离（95% Hausdorff distance，HD95）和精确率（Precision）。

三、主要关键技术方法

研究人员采用的核心技术方法包括：其一，混合通道-空间注意力（HCSA）模块，该模块采用并行双分支结构，通道分支通过全局平均池化和多层感知机实现通道重标定，空间分支通过1×1卷积、批归一化和SiLU激活后进行水平和垂直方向的深度可分离条带卷积（核长为11）以捕获方向性空间上下文，两分支输出通过可学习系数α和β进行自适应加权融合，并经Sigmoid函数生成注意力权重图后与输入特征逐元素相乘；其二，残差多尺度空洞卷积（RMSDC）模块，该模块先通过1×1卷积压缩通道维度，随后将特征并行输入一个恒等分支和三个膨胀率分别为1、2、3的3×3空洞卷积分支，各分支输出沿通道维度拼接后经1×1卷积融合，最后通过通道级可学习残差系数γ（初始化为10?3）调节融合特征的注入强度并与原始输入相加后经ReLU激活输出。解码器仅采用双线性上采样、跳跃特征拼接和标准双卷积块。

四、研究结果

4.1 与主流分割方法的定量比较

研究在BRISC 2025和Figshare数据集上，将所提出的HCSA-RMSDC U-Net与多种主流分割方法进行了系统比较，包括标准U-Net、Attention U-Net、MultiResUNet、TransUNet、Swin-UNet等。实验结果表明，所提出的方法在两个数据集上均取得了最优的分割性能，在BRISC 2025数据集上Dice系数达到87.39%，在Figshare数据集上Dice系数达到82.84%，均显著优于对比方法。此外，所提出方法在mIoU、HD95和Precision等指标上也表现出明显优势，验证了非对称架构设计的有效性。

4.2 消融实验分析

为评估HCSA和RMSDC两个模块的独立及联合贡献，研究进行了系统的消融实验。实验结果表明，单独引入HCSA模块或RMSDC模块均能较基线U-Net带来性能提升，而将两个模块联合引入时性能提升最为显著。这一发现支持了HCSA和RMSDC机制在增强特征表示和多尺度上下文建模方面的互补作用——HCSA在编码器阶段进行渐进式特征细化，RMSDC在瓶颈层进行多尺度上下文聚合，两者在不同网络阶段发挥互补功能。

4.3 注意力机制对比实验

研究进一步将所提出的HCSA模块与通道注意力（Squeeze-and-Excitation，SE）和卷积块注意力模块（Convolutional Block Attention Module，CBAM）等经典注意力机制进行了对比。结果表明，HCSA模块在分割精度上优于对比注意力机制，验证了并行通道-空间建模、方向性条带卷积上下文提取以及可学习融合策略相结合的有效性。

五、讨论与结论

研究结果表明，HCSA-RMSDC U-Net通过"重编码器、轻解码器"的非对称设计，将特征增强能力按网络阶段的功能角色进行差异化分配，有效解决了脑肿瘤分割中局部细节与全局上下文难以同时提取的难题。HCSA模块在编码器内部进行渐进式通道-空间特征细化，增强了方向性空间上下文建模；RMSDC模块在瓶颈层进行紧凑的多尺度上下文聚合，提升了网络对不同大小肿瘤的适应性。两个模块在不同网络阶段的互补整合，使模型在保持较低计算开销的同时取得了优越的分割精度。该框架为脑肿瘤分割提供了一种全自动的有效方法，对临床诊断和手术规划具有重要的潜在应用价值。