用于3D器官图像分割的波随机自注意力编码器.pdfVIP

计算机系统应用

ISSN

1003-3254,

CODEN

CSAOBNE-mail:

csa@

2025,34(2):84−91

[doi:

10.15888/ki.csa.009768]

[CSTR:

32024.14.csa.009768]

©中国科学院软件研究所版权所有.Tel:

+86-10

用于3D器官图像分割的波随机自注意力编码器①

122,311

周迪,

刘豪,

程远志,

李辉,

刘晓亚

1(青岛科技大学

数据科学学院,

青岛

266061)

2(青岛科技大学

信息科学技术学院,

青岛

266061)

3(哈尔滨工业大学

计算机科学与技术学院,

哈尔滨

150001)

通信作者:

程远志,

E-mail:

yzcheng2007@163.com

摘要:

在光谱三维CT数据中,

传统卷积的全局特征捕捉能力不足,

而全尺度的自注意力机制则需要大量的计算

资源.

为了解决这一问题,

本文引入一种新视觉注意力范式(wave

self-attention,

WSA).

相比于ViT技术,

该机制使

用更少的资源获得同等的自注意力信息.

此外,

为更充分地提取器官间的相对依赖关系并提高模型的鲁棒性和执行

速度,

本文为WSA机制设计了一种即插即用的模块——波随机编码器(wave

random

encoder,

WRE).

该编码器能

够生成一对互逆的非对称全局(局部)位置信息矩阵.

其中,

全局位置矩阵用来对波特征进行全局性的随机取样,

局

部位置矩阵则用于补充因随机取样而丢失的局部相对依赖.

本文在标准数据集Synapse和COVID-19的肾脏和肺

实质的分割任务上进行实验.

结果表明,

本文方法在精度、参数量和推理速率方面均超越了nnFormer、Swin-UNETR

等现有模型,

达到了SOTA水平.

关键词:

医学影像;

图像分割;

波自注意力机制;

波随机编码器

引用格式:

周迪,刘豪,程远志,李辉,刘晓亚.用于3D器官图像分割的波随机自注意力编码器.计算机系统应用,2025,34(2):84–91.

http://www.c-s-a.

/1003-3254/9768.html

WaveRandomSelf-attentionEncoderfor3DOrganImageSegmentation

122,311

ZHOU

Di,

LIU

Hao,

CHENG

Yuan-Zhi,

LI

Hui,

LIU

Xiao-Ya

1(School

of

Data

Science,

Qingdao

University

of

Science

and

Technology,

Qingdao

266061,

China)

2(School

of

Information

Science

and

Technology,

Qingdao

University

of

Science

and

Technology,

Qingdao

266061,

China)

3(School

of

Computer

Science

and

Technology,

Harbin

Institute

of

Technology,

Harbin

150001,

China)

Abstract:

In

spectral

3D

CT

data,

the

traditional

convolution

has

a

poor

ability

to

capture

global

features,

and

the

full-

scale

self-attention

mechanism

consumes

large

resources.

To

solve

this

problem,

this