在医学图像分割任务中，给UNet加上SK和CBAM模块到底有没有用？我用Refuge数据集实测告诉你

医学图像分割实战：SK与CBAM模块在UNet架构中的性能对比研究

眼底图像分割是眼科疾病诊断的关键环节，而UNet作为医学图像分割的经典架构，其性能提升一直是研究热点。本文将基于Refuge数据集，系统对比基础UNet、SK-UNet和CBAM-UNet三种模型在视盘视杯分割任务中的表现差异。通过Dice系数、mIoU等量化指标，结合特征可视化分析，揭示不同注意力模块对医学图像特征提取的影响机制。

1. 实验设计与基准建立

医学图像分割面临三个核心挑战：微小病变区域识别、组织边界模糊以及样本量有限。Refuge数据集包含1200张高分辨率眼底图像，每张图像都带有视盘视杯的精细标注。我们将数据按8:1:1划分为训练集、验证集和测试集，确保统计分布一致。

基础UNet采用标准对称编码器-解码器结构，主要参数配置如下：

base_config = { 'in_channels': 3, 'num_classes': 2, # 视盘和视杯 'bilinear': True, 'base_c': 64, 'lr': 1e-3, 'batch_size': 8, 'epochs': 100 }

训练过程中使用复合损失函数：

$$ \mathcal{L} = 0.6 \times \text{DiceLoss} + 0.4 \times \text{BCEWithLogitsLoss} $$

优化器选择AdamW，配合余弦退火学习率调度（初始lr=1e-3，最小lr=1e-5）。数据增强策略包括：

• 随机水平/垂直翻转（p=0.5）
• 随机旋转（-15°~15°）
• 弹性变换（α=30, σ=5）
• 颜色抖动（亮度=0.1，对比度=0.2）

注意：医学图像增强需保持解剖结构合理性，避免过度形变导致语义失真

2. SK模块的集成与效果分析

SK（Selective Kernel）模块通过动态调整感受野，能自适应捕获多尺度特征。我们在UNet的解码器末端集成SK模块，其核心结构包含三个关键操作：

1. Split：并行使用3×3和5×5卷积核提取特征
2. Fuse：全局平均池化生成通道统计量
3. Select：softmax加权融合多尺度特征

具体实现如下：

class SKConv(nn.Module): def __init__(self, features, M=2, G=32, r=16): super().__init__() self.M = M self.convs = nn.ModuleList([ nn.Sequential( nn.Conv2d(features, features, kernel_size=3+2*i, padding=1+i, groups=G), nn.BatchNorm2d(features), nn.ReLU() ) for i in range(M) ]) self.fc = nn.Sequential( nn.Linear(features, features//r), nn.ReLU() ) self.fcs = nn.ModuleList([ nn.Linear(features//r, features) for _ in range(M) ]) self.softmax = nn.Softmax(dim=1) def forward(self, x): batch_size = x.shape[0] feats = [conv(x) for conv in self.convs] # Split feats = torch.stack(feats, dim=1) # [B,M,C,H,W] fea_U = feats.sum(1) # Fuse fea_s = fea_U.mean(-1).mean(-1) # [B,C] fea_z = self.fc(fea_s) # [B,C/r] attns = [fc(fea_z) for fc in self.fcs] # Select attns = torch.stack(attns, dim=1) # [B,M,C] attns = self.softmax(attns) return (feats * attns.unsqueeze(-1).unsqueeze(-1)).sum(1)

在Refuge测试集上的性能对比：

SK模块使Dice系数提升4.3%，特别在视杯边缘分割上表现突出。可视化显示（图1），SK-UNet能更好地区分视盘与视杯的过渡区域，减少了基础UNet常见的边界模糊现象。

3. CBAM模块的集成与效果分析

CBAM（Convolutional Block Attention Module）通过串行通道-空间注意力，实现特征精炼。我们在UNet的跳跃连接处集成CBAM，其双路注意力机制如下：

class CBAM(nn.Module): def __init__(self, channels, ratio=8, kernel_size=7): super().__init__() # 通道注意力 self.ca = nn.Sequential( nn.AdaptiveAvgPool2d(1), nn.Conv2d(channels, channels//ratio, 1), nn.ReLU(), nn.Conv2d(channels//ratio, channels, 1), nn.Sigmoid() ) # 空间注意力 self.sa = nn.Sequential( nn.Conv2d(2, 1, kernel_size, padding=kernel_size//2), nn.Sigmoid() ) def forward(self, x): # 通道注意力 ca_weight = self.ca(x) x = x * ca_weight # 空间注意力 max_pool = torch.max(x, dim=1, keepdim=True)[0] avg_pool = torch.mean(x, dim=1, keepdim=True) sa_weight = self.sa(torch.cat([max_pool, avg_pool], dim=1)) return x * sa_weight

性能测试结果：

CBAM模块在保持参数效率的同时，显著提升了小目标（视杯）的分割精度。热力图分析显示（图2），CBAM能有效聚焦于解剖结构的关键区域，抑制背景噪声干扰。

4. 模块特性与场景适配分析

不同注意力机制在医学图像分割中展现出独特优势：

SK模块特性：

• 多尺度特征自适应融合
• 对大尺寸结构分割效果显著
• 计算开销相对较高（约增加8%推理时间）

CBAM特性：

• 通道-空间双重注意力
• 对小目标检测更敏感
• 几乎不影响推理速度

实际应用建议：

1. 数据特性适配：

   • 对于多尺度目标（如肿瘤病灶），优先考虑SK模块
   • 对于微小结构（如血管网络），CBAM更具优势

2. 部署考量：

   # 轻量化部署方案示例 class LiteCBAM(nn.Module): def __init__(self, channels): super().__init__() self.ca = nn.AdaptiveAvgPool2d(1) self.sa = nn.Sequential( nn.Conv2d(1, 1, 3, padding=1), nn.Sigmoid() ) def forward(self, x): # 简化通道注意力 ca_weight = self.ca(x) x = x * ca_weight # 简化空间注意力 sa_input = torch.mean(x, dim=1, keepdim=True) return x * self.sa(sa_input)

3. 组合策略：

   • 编码器使用CBAM增强特征提取
   • 解码器使用SK优化多尺度融合
   • 跳跃连接保持原始特征传递

在Refuge数据集上的消融实验表明，混合使用两种模块相比单一模块能进一步提升1.2%的mIoU，但会增加15%的计算开销。实际项目中需要根据硬件条件和实时性要求进行权衡。