高精度 + 轻量化双突破！E 型结构打破医学图像分割临床部署困境

研究背景

医学图像分割是计算机辅助诊断、放疗计划制定和术前规划等众多临床应用的基础环节，其精度和稳定性直接影响后续定量分析和临床决策。近年来，以U-Net为代表的U型编码-解码结构成为主流方案，通过定制不同的模块，分割性能不断提升。然而为获得更高精度，模型参数规模不断增加，不利于在实际临床环境中部署。同时，传统解码器逐级恢复分辨率的方式存在潜在的信息冗余和噪声累积。如何在保证甚至提升精度的前提下，降低模型大小，并在2D与3D任务间形成统一框架，仍是当前医学图像分割走向大规模临床与产业化应用的关键瓶颈。

研究进展

辽宁科技大学赵琪团队与国科温州研究院帅建伟团队在系统分析U型结构特征利用方式的基础上，构建了一种不同于传统对称解码器的E型结构医学图像分割框架。该框架保留多层编码器以提取多尺度特征，但不再采用逐级上采样的解码过程，而是将各尺度编码特征直接进行跨层融合，再通过专门设计的精细化模块完成分割预测，从而在结构上实现了“轻解码”的重构思路。

研究团队基于这一框架构建了2D和3D两个版本的模型（图1），在8个多模态的数据集上开展系统评估，覆盖腹部多器官、心脏结构、息肉和超声病灶等多个典型场景中，分割精度达到或超过现有代表性方法（图2、图3），同时降低了模型规模，推理速度明显提升。此外，在将已有U型网络改造为E型结构后，多数模型在参数减少的同时获得一定性能增益，显示出E型结构良好的通用性和推广价值。

未来展望

得益于结构紧凑与推理高效，E-SegNet有望应用于多器官自动勾画、肿瘤及危及器官分割，以及内镜和超声场景下的实时病灶标示，在减轻医师标注负担、提高分割一致性和客观性方面具有良好前景。统一的2D/3D设计及在CT、MRI、超声、内镜等多模态数据上的验证，为后续构建面向多中心、多设备的鲁棒分割系统奠定了基础。未来可进一步扩展到PET与X线等模态，并在更大规模真实世界数据上开展验证。由于E型结构与具体编码器解耦，后续可结合更轻量化的骨干网络、模型压缩与蒸馏技术，以适应边缘端部署的资源约束；也可引入新型长程建模方式和图结构建模方法，提升对复杂解剖与高噪声场景的表达能力。

原文链接：https://spj.science.org/doi/10.34133/research.0869