RDTE-UNet：一种面向精确医学图像分割的边界与细节感知UNet
计算机视觉与模式识别
2025-11-04 v1
摘要
医学图像分割对于计算机辅助诊断和治疗规划至关重要，然而显著的解剖学变异性和边界模糊性阻碍了对精细结构的可靠描绘。我们提出了RDTE-UNet，一种将局部建模与全局上下文统一起来以增强边界描绘和细节保留的分割网络。RDTE-UNet采用混合的ResBlock细节感知Transformer主干网络和三个模块：用于自适应边界增强的ASBE、用于细粒度特征建模的HVDA，以及由欧拉公式指导融合加权的EulerFF。这些组件共同提高了跨形态、方向和尺度的结构一致性和边界精度。在Synapse和BUSI数据集上，RDTE-UNet在分割精度和边界质量方面达到了相当的水平。
引用
@article{arxiv.2511.01328,
title = {RDTE-UNet: A Boundary and Detail Aware UNet for Precise Medical Image Segmentation},
author = {Jierui Qu and Jianchun Zhao},
journal= {arXiv preprint arXiv:2511.01328},
year = {2025}
}