全局引导增强网络

轻量高效，分割精准

兼顾全局上下文与局部细节，在多个公开发据集上以更低的计算复杂度实现了可比或更优的分割性能。

Qiang, Qiao · 曲美霞 · 王文语 · 姜斌 · Guo, Qiang

IEEE Transactions on Circuits and Systems for Video Technology 2024

技术优势

长距离依赖可捕获

通过 3D 卷积注意力机制直接建模体素间的长距离关系，弥补卷积网络的感受野局限。

细节感知更充分

渐进式下采样模块逐步降低分辨率，保留更丰富的细节信息，有助于小目标或边界的分割。

计算负担更小

所有设计共同降低计算复杂度，在多个数据集上比近期 SOTA 方法更高效。

应用场景

• 医学图像分割：直接用于器官或病灶的自动勾画，减少人工标注工作量。
• 轻量级深度学习模型：以更少的参数和计算量达到 SOTA 分割精度，适合部署在资源受限环境。
• 临床影像分析：处理 CT、MRI 等 3D 影像，输出可靠的分割结果供临床决策参考。
• 计算机辅助诊断：嵌入诊断流程，辅助医生快速定位异常区域，提高诊断效率。