面向腹腔超声图像出血区域的双域多尺度注意力分析网络DMA-UNet
Abstract
目的腹腔出血病情凶险，快速准确诊断至关重要。本文旨在解决超声图像出血分割中存在的低对比度、强噪声和边界模糊等挑战。方法本文提出了一种基于空间域和频域结合的双域多尺度注意力U型网络（Dual-domain and Multi-scale Attention Unet，DMA-UNet）用于超声图像腹腔出血区域分割。其核心架构包含三个关键创新：编码器的空洞注意力卷积模块集成并行卷积注意力机制与空洞卷积，在保证效率的同时增强小目标特征捕获；中间层的快速傅里叶卷积残差块通过频域变换有效建模全局上下文；跳跃连接的联合注意力结构实现跨层级特征优化。三者协同构成双域结合的多尺度注意力分析框架。结果实验基于源自两个中心363张腹腔出血超声图像，通过数据增强对模型进行训练、验证与测试。结果表明，本文提出的模型Dice和IoU指标在两个中心的测试集中分别达到了0.8797、0.7961和0.9339、0.8762，消融实验验证了所设计模块对模型性能提升的有效性，同时与主流的分割模型相比分割性能也具有显著的提升。结论本文提出了一种双域多尺度注意力分析网络，通过在多个核心模块中引入注意力机制，有效融合了空间域和频域特征，显著增强了DMA-UNet全局上下文建模能力、信息融合效率和模型的泛化性能，为腹腔出血区域分割网络的设计提供了新思路，具有较大的临床应用价值。
Fields of Study & Subjects
Brain Tumor Detection and Classification
Advanced Computing and Algorithms
Phonocardiography and Auscultation Techniques
Publication details
- Journal / source
- Journal of Image and Graphics
- Volume
- 31
- Issue
- 7
- Pages
- 2601–2613
- Publication date
- 1 January 2026
- Language
- EN