KLO-Net：用于MRI前列腺腺体分割的动态K近邻注意力U-Net与CSP编码器
计算机视觉与模式识别
2025-12-17 v1 机器学习
摘要
前列腺 MRI 分割在临床工作站上的实时部署通常受到计算负载和内存占用的瓶颈。基于深度学习的前列腺腺体分割方法由于解剖变异性仍然具有挑战性。为了弥合这一效率差距，同时保持可靠的分割准确性，我们提出了 KLO-Net，一种用于从 MRI 扫描中高效分割前列腺腺体的动态 K 近邻注意力 U-Net 与跨阶段部分（CSP）编码器。与常规的 K 近邻注意力机制不同，所提出的动态 K 近邻注意力机制允许模型自适应地确定每个空间位置在每个切片中的注意力连接数量。此外，CSP 模块解决了计算负载以减少内存消耗。为了评估模型性能，我们在两个公开数据集 PROMISE12 和 PROSTATEx 上进行了全面的实验和消融研究，以验证所提出的架构。详细的比较分析展示了该模型在计算效率和分割质量方面的优势。
引用
@article{arxiv.2512.13902,
title = {KLO-Net: A Dynamic K-NN Attention U-Net with CSP Encoder for Efficient Prostate Gland Segmentation from MRI},
author = {Anning Tian and Byunghyun Ko and Kaichen Qu and Mengyuan Liu and Jeongkyu Lee},
journal= {arXiv preprint arXiv:2512.13902},
year = {2025}
}
备注
Preprint. Accepted to SPIE Medical Imaging 2026: Image Processing