MDMU-Net:3D Multi-dimensional Decoupled Multi-scale U-Net for Pancreatic Cancer Segmentation

胰腺癌作为一种高度致死的恶性肿瘤,对早期诊断和治疗提出了重大挑战。胰腺和肿瘤的准确分割对于手术计划和治疗策略的制定至关重要。然而,由于 CT 图像中的形态可变、边界模糊以及与周围组织的低对比度,传统的手动分割方法效率低下,并且严重依赖专家经验。为了应对这一挑战,本研究提出了一种轻量级的自动 3D 分割算法——MDMU-Net(Multi-Dimensional Decoupled Multi-Scale U-Net)。首先,采用深度可分离卷积来降低模型复杂性。其次,设计了多维解耦多尺度模块作为主编码器模块,通过并行多尺度卷积核沿深度、高度和宽度维度独立提取特征,实现复杂解剖结构的细粒度建模。最后,引入跨维度通道和空间注意力机制,以增强对小肿瘤和模糊边界的识别能力。 本文档是论文的公共代码。