高效捕获多尺度局部信息并在像素间建立长程依赖关系对于医学图像分割至关重要，因为病变区域或器官的尺寸和形状多种多样。南开大学程明明教授团队提出了多尺度交叉轴注意力(MCA)机制，通过增强的轴向注意力来解决这些挑战，文章第一作者为南开大学博士生邵昊、通讯作者为南开大学副教授侯淇彬。为了解决由小数据集引起的轴向注意力中位置偏置学习不充分和长距离交互有限的问题，文章提出使用双重交叉注意力机制代替轴向注意力来增强全局信息捕获。同时，为了弥补轴向注意力中对局部信息显式关注的不足，研究者们在每条轴向注意力路径中使用具有不同卷积核大小的多个条带状卷积核进行卷积，这提高了MCA在局部信息编码中的效率。通过将MCA集成到多尺度交叉轴注意力网络(MSCAN)主干中，文章开发了网络架构---MCANet。MCANet仅具有4M+的参数，但在四个具有挑战性的任务上超越了先前的大型方法(例如，基于swin transformer的方法)：皮肤病变分割、细胞核分割、腹部多器官分割和息肉分割。http://t.cn/AXhJ5lKa #人工智能[超话]##机器学习[超话]##图像分割##医学图像分割#