IMA|西安邮电大学:DGT-MSB-Net:面向CT肝肿瘤的动态建模与边界感知分割。
文章导读

针对 CT 肝肿瘤形态变化大、边界模糊、低对比及背景噪声导致的全局建模和轮廓定位困难,作者提出 DGT-MSB-Net。该框架将动态引导 Transformer(DGT)、多尺度空间-通道注意力(MSCA)与边界感知(BA)监督结合:DGT 通过可学习偏移和通道建模适应非刚性肿瘤形态,MSCA 在跳跃连接中加强跨尺度语义对齐,BA 利用浅层边缘线索显式约束轮廓。模型在 LiTS2017 和 3DIRCADb 数据集上取得 Dice 0.858 和 0.859,并在 VOE、Precision 等指标上表现突出,为复杂肝肿瘤的自动分割和临床决策支持提供了新的技术路径。
正文导读
01 研究背景:肝肿瘤分割的难点集中在形态、尺度与模糊边界
CT 是肝肿瘤评估的重要影像手段,但患者间肿瘤大小、形态和位置差异显著,人工勾画耗时且受主观因素影响。CNN 的局部感受野限制了长距离依赖建模,而标准 Transformer 虽具有全局建模能力,却对边缘、纹理等局部细节缺少天然偏置。对于低对比、非刚性形变和边界不清的肿瘤,仅依赖简单跳跃连接或常规注意力容易造成语义鸿沟、边界断裂或漏分。研究因此聚焦三个问题:复杂形态的动态表征、跨尺度特征融合以及模糊边界的显式监督。
02 方法思路:DGT、MSCA与BA形成动态建模—跨尺度融合—边界监督链路
DGT-MSB-Net 采用编码器—解码器结构。编码端以 ResNetV2 提取多层特征,并在浅层引入 BA 模块获取边缘线索;深层嵌入 DGT 模块,通过可学习空间偏移进行变形采样,同时利用通道注意力增强与肿瘤相关的语义响应;跳跃连接中的 MSCA 模块联合空间与通道依赖,并结合扩张卷积促进浅层边界细节和深层语义信息对齐。解码端逐级恢复空间分辨率,最终输出高分辨率肿瘤掩膜。

图1 DGT-MSB-Net总体结构与三类核心模块位置
03 核心创新:动态偏移与通道建模协同适应非刚性肿瘤结构
DGT 是该网络的核心全局建模模块。传统 Transformer 固定划分 patch,容易破坏局部空间连续性,也难以适应肿瘤形态和尺度变化。DGT 先构建参考坐标网格,通过卷积和门控机制学习空间偏移,再以双线性插值获得动态采样特征;随后与查询特征共同计算注意力,实现非局部信息交换。与此同时,基于全局平均池化和最大池化的通道建模突出病灶相关特征并抑制背景噪声。消融实验表明,DGT、MSCA 和 BA 逐步加入后,两个数据集上的 Dice 和 VOE 均持续改善。

图2 DGT模块:可变形采样、动态注意力与通道建模协同工作
04 实验结果:两套公开数据上兼顾区域重叠与边界一致性

在 LiTS2017 上,DGT-MSB-Net 的 Dice 为 0.858、Precision 为 0.875、Recall 为 0.856、VOE 为 0.207;在 3DIRCADb 上,Dice 为 0.859、Precision 为 0.890、Recall 为 0.846、VOE 为 0.216。与多种 CNN 和 Transformer 分割方法相比,论文报告其在 Dice、Precision 和 VOE 等指标上具有优势;但 Recall 并非所有数据集上最高,例如 LiTS2017 略低于 ResUNet,3DIRCADb 也低于部分高召回模型。因此,该模型更适合被理解为在区域重叠、空间一致性和边界定位之间取得较好的综合平衡。

图3 LiTS2017上的定量比较与代表性可视化结果
05 研究意义:强化复杂肿瘤轮廓建模,并明确计算开销与外部验证需求
DGT-MSB-Net 通过动态空间采样增强对非刚性形变的适应能力,通过 MSCA 缩小跨尺度语义差异,并以 BA 显式边界监督提升低对比轮廓的可辨性。这类机制有助于为术前规划、放疗靶区勾画和治疗监测提供更稳定的自动轮廓。论文同时指出,极低对比或与周围组织高度相似的病灶仍可能影响模型表现;多模块设计增加了参数量和推理开销。后续研究将进一步探索轻量化结构,并在私有临床数据上开展外部验证,以评估跨中心泛化能力及真实 CAD 工作流中的应用可行性。
作者与资助信息
西安邮电大学理学院杨文彬副教授为论文第一作者和通讯作者,西安邮电大学计算机学院郭欣悦为共同作者。研究得到国家自然科学基金项目(12001425、12471464)和陕西数理基础科学研究项目(23JSQ049)的资助。
论文信息
DGT-MSB-Net: A Transformer-Based Framework With Boundary Awareness for Accurate Liver Tumor Segmentation in CT Images
Wenbin Yang*, Xinyue Guo
International Journal of Imaging Systems and Technology
DOI:10.1002/ima.70376
原文链接:
https://onlinelibrary.wiley.com/doi/10.1002/ima.70376

期刊简介

International Journal of Imaging Systems and Technology (IMA) 是一本跨学科影像期刊,为成像系统(包括成像物理与影像信息学)领域的思想与成果交流提供平台,发表人体与动物结构及功能成像的原创研究。期刊收录技术可靠、科学严谨的影像研究,包括相关算法、硬件与软件开发,以及新型诊断成像与分析方法及其在医学研究中的应用。
2025 JIF:3.0 | CiteScore:6.3

扫码进入期刊主页
https://onlinelibrary.wiley.com/journal/10981098
来源:International Journal of Imaging Systems and Technology