DSSAU-Net：用于耻骨联合与胎儿头部分割的U形混合网络

在分娩过程中，传统方法涉及侵入性阴道检查，但研究表明这些方法既主观又不准确。超声辅助诊断提供了一种客观而有效的方式，通过两个关键参数——进展角（AoP）和头-耻骨距离（HSD）——来评估胎儿头部位置，这两个参数通过分割胎儿头部（FH）和耻骨联合（PS）计算得出，有助于临床医生确保顺利分娩。因此，准确分割FH和PS至关重要。在本工作中，我们提出了一种稀疏自注意力网络架构，具有良好的性能和较高的计算效率，命名为DSSAU-Net，用于FH和PS的分割。具体而言，我们在每个阶段堆叠不同数量的双稀疏选择注意力（DSSA）块，形成对称的U形编码器-解码器网络架构。对于给定的查询，DSSA被设计为分别在区域级别和像素级别显式执行一次稀疏令牌选择，这有助于在提取最相关特征的同时进一步降低计算复杂度。为了补偿上采样过程中的信息损失，设计了带卷积的跳跃连接。此外，多尺度特征融合被用于丰富模型的全局和局部信息。DSSAU-Net的性能已在MICCAI IUGC 2024竞赛中由主办方提供的Intrapartum Ultrasound Grand Challenge（IUGC）2024测试集上得到验证，我们在分类和分割任务中获得第四名，证明了其有效性。代码将在https://github.com/XiaZunhui/DSSAU-Net上公开。