ok，可参考着
摘要
Cervical Spondylotic Myelopathy脊髓型颈椎病(CSM)是一种严重的颈椎病，可导致严重残疾。为了帮助医生快速、高效地进行诊断，临床迫切需要自动分割方法。然而，该任务面临着结构边界的模糊性和分割区域的不确定性等挑战。
针对医学自动分割中存在的问题，提出了一种基于扩散张量成像(DTI)的脊髓型颈椎病自动分割框架。具体地说，采用了一种新的形状感知策略，使骨干网能够同时聚合全局和局部上下文，并有效地捕获远程依赖关系。使用形状感知策略扩展金字塔池化，形状感知金字塔池化模块(SAAP)被提出，以整合多尺度信息并弥补空间信息的损失。该模块扩展了感知范围，减少了对非损伤区域的干扰。
1 介绍
一个端到端模型被提出，命名为结构感知U-net。形状感知策略被利用来扩大模型的接受域，以获取长期依赖关系和收集信息上下文。与全局池化操作不同，形状感知模块（SAM）用带状池化内核替换方形池化内核。更具体地说，SAM由水平方向的编码模块和垂直方向的编码模块组成。此外，我们在编码阶段采用这种策略来聚合全局和局部上下文。采用形状感知策略对金字塔池结构进行了扩展，新的金字塔池模块能够处理模糊边界和类的不平衡问题。总之，我们提出了一个自动细分模型来细分CSM，其贡献如下：
（1）采用形状感知模块有效地捕获局部上下文相关性，防止不相关区域对标签预测的干扰。
2. 这个形状感知模块应用于金字塔池模块。SAAP模块用于连接多层信息，更好地处理脊髓位置、形状和大小的差异。
3 方法
形状感知分割网络如图1所示。该结构由对称编码器和译码器组成。在编码器和解码器之间使用跳连接。可以融合相同比例尺的特征图，获得图像的全局背景信息。为了提高模型性能，我们提出的形状感知模块(SAM)被附加在跳跃连接上。该模块能够提取不同尺度的局部信息。SAPP模块用于聚合多尺度信息，以更好地处理脊髓的位置、形状、大小和边界混淆问题。
3.1 形状意识模块
在处理不规则形状的对象时，平均池化操作的有效性会降低。大量的不相关区域容易影响模型性能。为了解决这个问题，我们提出了形状感知模块(SAM)，它用两波段形状池化操作代替平均池操作。两个子模型在水平和垂直方向扫描输入张量。这个模型有助于捕获关于每个位置的信息。
3.2 SAPP模块
形状感知策略添加到原始金字塔模块中。具体来说，如图3所示，我们用两个子模块扩展了金字塔池。该模块连接并集成每个采样层的特征图。此外，还添加了水平和垂直池层，以捕获位置之间的短期和长期依赖关系。两个子模块补偿了方形池造成的空间信息丢失。应该注意的是，对于不同的特征聚合，需要不同的卷积步长才能使不同特征的分辨率保持一致。
最后，我们还添加了卷积层，以确保输出大小一致。因此，网络可以通过级联多尺度特征来增强不同层次之间的信息互补性。
总结
本文提出了一种新的脊髓型颈椎病分割模型SAU-net。该模型在CSM分割任务中表现更好。明确地所提出的SAM可以减少来自无关病变区域的干扰，并有效地捕获上下文信息。此外，SAPP可以通过聚合多尺度特征处理脊髓位置、形状、大小和边界混淆问题的差异。在CSM数据集上的实验表明，SAU-net在CSM分割任务中具有更好的性能。