摘要：近日，湖南科技大学廖苗副教授团队在CCFA类中科院SCI一区TOP期刊《Information Fusion》上发表研究成果“A lightweight network for abdominal multi-organ segmentation based

近日，湖南科技大学廖苗副教授团队在CCFA类中科院SCI一区TOP期刊《Information Fusion》上发表研究成果“A lightweight network for abdominal multi-organ segmentation based on multi-scale context fusion and dual self-attention”。湖南科技大学为第一署名单位，合作单位包括电子科技大学、University College of Engineering Tindivanam、Lebanese American University等。《Information Fusion》影响因子为14.7，是计算机科学和人工智能领域的国际顶尖权威刊物，在“Computer Science: Signal Processing”学科131个国际期刊中排名第1，“Computer Science: Information Systems”学科394个国际期刊中排名第4。

CT图像腹部多器官分割是腹部疾病诊断、术前规划与指导的重要前提。腹部器官结构复杂、大小不一且各器官之间边界模糊，同时精准分割腹部多个器官是一项极具挑战的任务。现有方法往往通过加深网络、采用大模型提升分割性能，而该做法容易造成网络结构复杂、参数量激增，难以直接部署于实际医疗环境。针对上述问题，本研究提出了一种基于双注意力机制和多尺度特征融合的轻量级分割网络。利用双自注意机制从通道域获取目标器官的响应，同时增强空间域全局信息的相关性。针对腹部器官的复杂结构，提出了一种由金字塔池化和各向异性条形池化构成的多尺度上下文融合模块。金字塔池化通过聚合不同感受野的上下文信息，获取丰富的局部特征；各向异性条形池化则通过提取不同方向的条形特征，帮助网络建立远距离依赖，捕捉狭长型器官（如胰腺）的特征。此外，在跳跃连接中引入残差模块，增强边缘和小目标的识别能力。实验结果表明，提出方法在模型复杂度、计算开销和分割精度上均具有显著优势。

该研究成果可辅助医师及时方便地获取腹部多器官的整体信息和三维显示，解决腹部多器官的体积测量、三维重建、疾病诊断、手术导航、器官移植等所需的关键技术问题，为计算机辅助诊断和疾病治疗提供技术支持和决策服务。

来源：云谈潇湘