UNeXt：基于MLP的快速医学图像分割网络——面向床边诊疗的高效解决方案

作者及发表信息
本研究由约翰霍普金斯大学的Jeya Maria Jose Valanarasu和Vishal M. Patel合作完成，论文发表于2022年的MICCAI会议（《Medical Image Computing and Computer Assisted Intervention》），收录于LNCS系列第13435卷。

学术背景

科学领域与问题
医学图像分割是计算机辅助诊断（Computer-Aided Diagnosis, CAD）和图像引导手术的核心任务。传统方法如U-Net及其变体（如U-Net++、TransUNet）依赖大量参数和复杂计算，难以适配计算资源有限的床边诊疗（Point-of-Care, POC）场景。随着医疗影像设备（如便携超声、手机皮肤镜）的普及，开发轻量化、低延迟的分割算法成为迫切需求。

研究目标
UNeXt旨在通过结合卷积神经网络（CNN）与多层感知机（Multilayer Perceptron, MLP），解决以下问题：
1. 降低参数量与计算复杂度；
2. 提升推理速度；
3. 保持与主流方法（如Transformer）相当的精度。

研究流程与方法

1. 网络架构设计

UNeXt采用两阶段编码器-解码器结构：
- 卷积阶段：前3个块为传统卷积层（3×3核，步长1），用于提取局部特征。
- Tokenized MLP阶段：后2个块引入新型Tokenized MLP（Tok-MLP）模块，通过以下创新实现高效建模：
- 特征标记化（Tokenization）：将卷积特征投影为低维令牌（Token），嵌入维度设为768。
- 轴向移位（Axial Shift）：在MLP前对输入通道沿高度/宽度方向移位（偏移量j=5），强制模型学习局部依赖性（类似Swin Transformer的窗口注意力机制）。
- 深度卷积（DWConv）：替代位置编码，增强令牌的空间信息。

关键参数：通道数逐层递增（C1=32至C5=256），显著少于U-Net的同类设计。

2. 实验验证

数据集：
- ISIC 2018（皮肤病变分割，2594张图像，分辨率512×512）；
- BUSI（乳腺超声分割，647张图像，分辨率256×256）。

训练配置：
- 损失函数：二元交叉熵（BCE）+ Dice损失；
- 优化器：Adam（初始学习率0.0001，余弦退火调度）；
- 硬件：CPU（Intel Xeon Gold 6140）模拟床边设备环境。

对比基线：
包括U-Net、TransUNet、MedT等，评估指标涵盖分割性能（F1、IoU）、参数量、计算量（GFLOPs）及推理时间。

主要结果

1. 性能优势：

   • ISIC数据集：UNeXt的F1达89.70±0.96%，优于TransUNet（88.91±0.63%）；
     
   • BUSI数据集：IoU为66.95±1.22%，与TransUNet相当（66.92±0.75%）。
     

2. 效率突破：

   • 参数量仅1.58M，为TransUNet的1/72（105.32M）；
     
   • 计算量0.57 GFLOPs，降低68倍；
     
   • CPU推理速度25ms，提速10倍。
     

3. 消融实验验证：

   • Tokenized MLP模块：将F1从80.12%提升至88.78%；
     
   • 轴向移位操作：进一步优化至90.41%（p<10^-5）。
     

结论与价值

科学意义：
- 首次将MLP与CNN结合用于医学图像分割，提出Tokenized MLP模块和轴向移位策略，为轻量化设计提供新思路。

应用价值：
- 适配床边诊疗设备（如便携超声、手机皮肤镜），推动实时诊断普及；
- 开源代码（GitHub）促进临床部署与迭代。

创新亮点

1. 方法创新：
   
   • 标记化MLP在潜在空间的高效表征；
     
   • 轴向移位实现局部依赖建模，无需增加参数。
     
2. 性能平衡：在参数量、速度、精度三者间取得最优权衡。
   
3. 临床适配性：首次针对POC场景优化分割网络，填补研究空白。
   

局限性：当前仅在2D图像验证，未来需扩展至3D分割（如CT/MRI）。

其他有价值内容
- 通道数分析：实验表明，UNeXt-L（C5=512）性能更优（F1=90.65%），但计算量增至1.42 GFLOPs，需根据设备资源权衡。
- 与MLP-Mixer对比：UNeXt的混合架构（CNN+MLP）优于纯MLP设计，参数量减少88%（11M→1.47M）。

（注：全文共约1500字，涵盖研究全流程及核心创新点。）