近日，我院廖苗副教授團隊在中科院SCI一區TOP期刊《Information Fusion》上發表研究成果“A lightweight network for abdominal multi-organ segmentation based on multi-scale context fusion and dual self-attention”。2003网站太阳集团為第一署名單位，合作單位包括電子科技大學、University College of Engineering Tindivanam、Lebanese American University等。《Information Fusion》影響因子為14.7，是計算機科學和人工智能領域的國際頂尖權威刊物，在“Computer Science: Signal Processing”學科131個國際期刊中排名第1，“Computer Science: Information Systems”學科394個國際期刊中排名第4。

CT圖像腹部多器官分割是腹部疾病診斷、術前規劃與指導的重要前提。腹部器官結構複雜、大小不一且各器官之間邊界模糊，同時精準分割腹部多個器官是一項極具挑戰的任務。現有方法往往通過加深網絡、采用大模型提升分割性能，而該做法容易造成網絡結構複雜、參數量激增，難以直接部署于實際醫療環境。針對上述問題，本研究提出了一種基于雙注意力機制和多尺度特征融合的輕量級分割網絡。利用雙自注意機制從通道域獲取目标器官的響應，同時增強空間域全局信息的相關性。針對腹部器官的複雜結構，提出了一種由金字塔池化和各向異性條形池化構成的多尺度上下文融合模塊。金字塔池化通過聚合不同感受野的上下文信息，獲取豐富的局部特征；各向異性條形池化則通過提取不同方向的條形特征，幫助網絡建立遠距離依賴，捕捉狹長型器官（如胰腺）的特征。此外，在跳躍連接中引入殘差模塊，增強邊緣和小目标的識别能力。實驗結果表明，提出方法在模型複雜度、計算開銷和分割精度上均具有顯著優勢。

該研究成果可輔助醫師及時方便地獲取腹部多器官的整體信息和三維顯示，解決腹部多器官的體積測量、三維重建、疾病診斷、手術導航、器官移植等所需的關鍵技術問題，為計算機輔助診斷和疾病治療提供技術支持和決策服務。

一審：陳少淼

二審：張世文

三審：梁  偉