换一批PAC-UNet:融合双路径卷积与注意力机制的脑肿瘤分割网络
PAC-UNet:a brain tumor segmentation network integrating dual-path convolution and attention mechanism
摘要针对脑肿瘤MRI影像中病灶边界模糊、小目标分割敏感性不足及多尺度上下文信息捕获不充分等问题,提出一种融合双路径卷积模块与混合注意力机制模块的U型分割网络PAC-UNet.该网络采用新型双路径卷积模块替换标准卷积,通过并行结构整合动态核卷积与风车状卷积路径,其中,动态核卷积路径结合径向基函数RBF核生成器替代传统固定卷积核,通过可微分样条参数化实现核函数的动态适应,平衡局部细节特征与全局语义表征;风车状卷积路径采用四并行结构有效扩展感受野,增强上下文信息捕获能力.同时利用通道与空间双重注意力机制融合双路径特征,聚焦关键特征并抑制冗余背景干扰,协同优化多尺度特征表达.在BraTS2023数据集上的实验结果表明,PAC-UNet能够显著提升脑肿瘤分割性能.
更多相关知识
关键词
脑肿瘤分割双路径卷积风车状卷积动态核卷积注意力机制U-Netbrain tumor segmentationdual-path convolutionpinwheel convolutiondynamic kernel convolutionattention mechanismU-Net
分类号
R318（医用一般科学）
栏目名称
DOI
10.3969/j.issn.1005-202X.2026.06.005
发布时间
2026-07-08（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（61601173）
河南理工大学博士创新基金（760807/013）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
