XAG-Net：一种用于2.5D股骨MRI分割的跨切片注意力与跳跃门控网络
计算机视觉与模式识别
2025-08-11 v1
摘要
从磁共振成像（Magnetic Resonance Imaging, MRI）中精确分割股骨结构对于骨科诊断和手术规划至关重要，但由于现有2D和3D深度学习分割方法的局限性，该任务仍具挑战性。在本研究中，我们提出了XAG-Net，这是一种新颖的基于2.5D U-Net的架构，它结合了逐像素跨切片注意力（cross-slice attention, CSA）和跳跃注意力门控（attention gating, AG）机制，以增强切片间上下文建模和切片内特征细化。与以往的CSA模型不同，XAG-Net在每个空间位置对相邻切片应用逐像素softmax注意力，以实现细粒度的切片间建模。广泛评估表明，XAG-Net在股骨分割精度上超越了基线2D、2.5D和3D U-Net模型，同时保持了计算效率。消融研究进一步验证了CSA和AG模块的关键作用，确立了XAG-Net作为高效、精确的股骨MRI分割的有前景框架。
引用
@article{arxiv.2508.06258,
title = {XAG-Net: A Cross-Slice Attention and Skip Gating Network for 2.5D Femur MRI Segmentation},
author = {Byunghyun Ko and Anning Tian and Jeongkyu Lee},
journal= {arXiv preprint arXiv:2508.06258},
year = {2025}
}
备注
Accepted at the 2025 International Conference on Artificial Intelligence, Computer, Data Sciences and Applications (ACDSA). This is the preprint version of the paper