UESA-Net：用于超声结节分割的 U 形嵌入式多方向收缩注意力网络

背景：乳腺癌和甲状腺癌带来了日益加重的公共卫生负担。超声成像是一种经济高效、实时的病变检测与分割方式，但存在散斑噪声、结构重叠以及全局-局部特征交互弱的问题。现有网络难以协调高层语义与低层空间细节。我们的目标是开发一个分割框架，以弥合噪声超声图像中全局上下文与局部细节之间的语义鸿沟。方法：我们提出了 UESA-Net，一个具有多方向收缩注意力的 U 形网络。其编码器-解码器架构捕获了病变的长程依赖关系和细粒度结构。在每个编码块内，注意力模块沿水平、垂直和深度方向运行以利用空间细节，而收缩（阈值）策略则整合了先验知识和局部特征。解码器镜像编码器，但应用了成对收缩机制，将先验的低层物理线索与相应的编码器特征相结合，以增强上下文建模。结果：在两个公共数据集——TN3K（3493 张图像）和 BUSI（780 张图像）上，UESA-Net 取得了最先进的性能，交并比（IoU）分数分别为 0.8487 和 0.6495。结论：UESA-Net 有效地聚合了多方向空间信息和先验知识，提高了乳腺和甲状腺超声分割的鲁棒性和准确性，在多个基准测试上展现出优于现有方法的性能。