本文档属于类型a（单一原创研究报告），以下是针对《biomedical signal processing and control》期刊2024年发表的论文《HAU-Net: Hybrid CNN-Transformer for Breast Ultrasound Image Segmentation》的学术报告：

作者及机构

本研究由兰州大学信息科学与工程学院（School of Information Science and Engineering, Lanzhou University）的Huaikun Zhang、Yide Ma（通讯作者）团队与兰州交通大学电子与信息工程学院（School of Electronic and Information Engineering, Lanzhou Jiaotong University）的Jing Lian合作完成，发表于Elsevier旗下期刊《biomedical signal processing and control》第87卷（2024年），在线发布于2023年9月21日。

学术背景

研究领域：医学图像分割（Medical Image Segmentation），聚焦于乳腺癌超声图像的自动化病变分割。
研究动机：乳腺癌是全球女性健康的主要威胁之一，早期诊断依赖超声成像技术。然而，超声图像存在灰度分布相似、边界模糊、肿瘤形态不规则等挑战，传统卷积神经网络（CNN, Convolutional Neural Network）因缺乏长距离依赖建模能力，分割性能受限。尽管Transformer在自然语言处理中表现出色，但其直接应用于医学图像面临计算复杂度高、局部细节丢失等问题。
研究目标：提出一种混合CNN-Transformer框架（HAU-Net），结合CNN的局部特征提取能力与Transformer的全局上下文建模优势，提升乳腺癌超声病灶分割的精度。

研究流程与方法

1. 模型架构设计

HAU-Net基于U-Net的编码器-解码器结构，创新性地引入以下模块：
- L-G Transformer块：替换传统跳跃连接（Skip Connection），包含局部多头自注意力（LMSA, Local Multi-head Self-Attention）和全局多头自注意力（GMSA, Global Multi-head Self-Attention）。
- LMSA：将特征图划分为非重叠窗口（窗口大小动态调整），在窗口内计算自注意力，降低计算复杂度。
- GMSA：通过金字塔池化（Pyramid Pooling）生成全局令牌（Global Token），跨窗口传递全局信息。
- 交叉注意力块（CAB, Cross Attention Block）：在解码器中整合多尺度特征，通过全局平均池化（GAP, Global Average Pooling）压缩特征后计算跨层注意力。

2. 实验设计与数据集

• 数据集：
  
  • BUSI：780张超声图像（含647例异常病例）。
    
  • UDIAT：163张图像（53例恶性，110例良性）。
    
  • BLUI：232张图像（123例恶性，109例良性）。
    
• 训练细节：
  
  • 使用ResNet34预训练权重初始化编码器，Adam优化器，初始学习率0.0001，余弦退火调度。
    
  • 数据增强：水平/垂直翻转、镜像、转置、随机旋转。
    
  • 损失函数：二元交叉熵（BCE, Binary Cross-Entropy）与Dice损失的加权组合。
    

3. 评估指标

采用Dice系数（Dice Score）、95%豪斯多夫距离（HD95）、交并比（IoU）、准确率（Accuracy）、特异性（Specificity）和精确率（Precision）作为量化指标。

主要结果

1. 性能对比实验：

   • HAU-Net在三个数据集上均达到最优性能：
     
     • BUSI：Dice 83.11%（比第二名高0.65%），HD95 10.67（降低10.56%）。
       
     • UDIAT：Dice 88.73%（提升1.17%），HD95 3.64（降低28.2%）。
       
     • BLUI：Dice 89.48%（提升0.26%），HD95 5.38（降低5.78%）。
       
   • 统计显著性检验（p-value <0.05）证实其优势。
     

2. 泛化性与鲁棒性分析：

   • 合并数据集：Dice 82.85%，HD95 9.98，显著优于其他方法。
     
   • 按肿瘤特性分组：
     
     • 恶性肿瘤分割Dice 77.61%，优于第二名（76.95%）。
       
     • 大尺寸肿瘤（>20%相对大小）分割Dice 84.90%，HD95降低13.2%。
       

3. 消融实验：

   • L-G Transformer块：Dice提升1.20%，HD95降低12.21%。
     
   • CAB模块：进一步贡献0.87% Dice提升和9.50% HD95下降。
     

结论与价值

科学价值：
1. 提出首个在跳跃连接中嵌套L-G Transformer块的混合架构，解决了传统方法中特征提取不一致的问题。
2. 通过动态窗口大小和金字塔池化，平衡了计算效率与全局建模能力。
应用价值：
- 为临床提供高精度乳腺癌超声病灶分割工具，尤其适用于不规则轮廓和模糊边界的复杂病例。
- 代码开源（需申请获取），便于后续研究复现与改进。

研究亮点

1. 方法创新：
   
   • L-G Transformer块首次将局部与全局注意力并行融合，减少计算复杂度（参数量76.65M，FLOPs 10.76G）。
     
   • CAB模块通过跨层注意力实现多尺度特征交互，提升小目标分割性能。
     
2. 临床意义：
   
   • 在恶性和大尺寸肿瘤分割中表现突出，有望辅助医生提高诊断效率。
     

局限性与未来方向

1. 局限性：对小尺寸肿瘤（%相对大小）的分割性能略低于CE-Net（Dice 82.98% vs 83.26%）。
   
2. 未来工作：计划引入区域注意力机制，并探索自监督学习以减少对标注数据的依赖。
   

（注：全文未包含的参考文献及附录细节可依据原文补充。）