DeformUX-Net：以深度可变形卷积探索用于医学图像分割的三维基础骨干网络

3D ViT 在医学图像分割中的应用已取得显著进展，在一定程度上掩盖了基于卷积神经网络(CNN)模型的崭露头角。大核深度卷积已成为一种有前景的技术，展现出类似于分层 transformer 的能力，并促进了对于密集预测至关重要的广阔有效感受野(ERF)。尽管如此，从全局-局部注意力到大核卷积的现有核心算子都表现出固有的权衡与局限（例如，全局-局部范围权衡、聚合注意力特征）。我们假设可变形卷积可作为一种探索性替代方案，结合先前算子的所有优势，提供长程依赖、自适应空间聚合与计算效率，作为基础骨干。本工作中，我们引入 3D DeformUX-Net，一种开创性的体素 CNN 模型，巧妙规避了传统上与 ViT 和大核卷积相关的缺陷。具体而言，我们重新审视深度设置下的体素可变形卷积，以计算效率适应长程依赖。受卷积核权重结构重参数化概念启发，我们进一步通过适配一个并行分支（从 $1\times1\times1$ 卷积起始）生成可变形三平面偏移，提供跨所有信道的自适应空间聚合。我们的经验评估显示，3D DeformUX-Net 在四个具挑战性的公开数据集上持续优于现有最先进的 ViT 和大核卷积模型，涵盖从器官（KiTS：0.680 至 0.720，MSD Pancreas：0.676 至 0.717，AMOS：0.871 至 0.902）到血管（如 MSD 肝血管：0.635 至 0.671）不同尺度的平均 Dice。