皖南医科大学科研团队在国际顶级期刊发表肺炎影像智能分析重要成果

近日，皖南医科大学医学信息学院昌杰教授团队联合厦门大学、闽江大学等多家高校科研力量，在国际权威期刊 IEEE Transactions on Multimedia（中科院一区TOP）发表题为 “A Channel-Region Adaptive U-Net for Lung Inflammation Segmentation” 的研究论文。该成果聚焦医学影像人工智能关键技术，在肺炎病灶精准分割、复杂空间结构建模及高效计算方面取得重要突破。论文第一作者为昌杰教授，皖南医科大学为第一完成单位。

肺部炎症（如COVID-19、细菌性肺炎等）在胸部CT影像中呈现出形态差异大、空间分布复杂、边界模糊等特点，严重制约自动化分析的准确性与稳定性。如何在复杂医学场景下实现兼具高精度、强泛化能力与低计算复杂度的统一建模，成为医学影像智能分析领域的重要前沿科学问题。

针对上述挑战，研究团队提出了通道—区域自适应分割网络（CRA-Unet）。该方法从医学解剖结构出发，引入肺部分区掩膜作为结构先验，引导模型在不同解剖区域内进行差异化特征学习，使模型更加符合医学认知规律。同时，突破传统注意力机制仅关注通道维度的局限，将特征重标定扩展至“通道—空间区域（高、宽）”三维联合建模，实现对不同肺部区域的精细感知与动态调节。值得一提的是，该模型在保证高分割精度的同时，采用结构优化与参数高效设计，有效降低了计算复杂度，实现了轻量化建模与高效推理能力的统一，为模型在实际临床环境中的部署应用提供了重要支撑。

在多个公开和私有数据集上的实验结果表明，所提出的CRA-Unet在肺炎病灶分割任务中显著优于现有CNN及Transformer方法，在复杂病灶识别与边界刻画方面表现突出，同时在计算效率方面具有明显优势，整体性能达到国际先进水平。该研究成果不仅适用于肺炎等感染性疾病的影像分析，还可推广至肺部结节、间质性肺病等多种医学影像分割任务，在智能诊疗、疾病评估及临床辅助决策等方面具有广阔的应用前景。（昌杰/文、图）

期刊简介：

IEEE Transactions on Multimedia 是IEEE旗下多媒体与人工智能领域具有重要国际影响力的权威期刊之一，长期聚焦计算机视觉、多模态学习、图像与视频理解等前沿研究方向。该期刊以严格的同行评审体系和高质量学术成果著称，在多媒体与智能信息处理领域具有较高的学术地位和广泛的国际认可度。根据中国计算机学会（CCF）最新推荐目录，该期刊已被列为A类期刊，充分体现了其在国际学术评价体系中的重要地位与学术影响力。

论文获取链接

全文预印本：https://ieeexplore.ieee.org/document/11433084

图1展示了CRA层的结构示意。该模块通过通道、空间高度与宽度三个维度的联合建模，实现对不同解剖区域的动态特征重标定，在提升分割精度的同时兼顾计算效率，是实现模型轻量化与高性能统一的关键模块。

图2展示了区域自适应位置编码的生成过程：首先根据肺部分割结果划分不同解剖区域，并为每个区域引入对应的空间位置信息；随后通过可学习权重对不同区域进行自适应调节，最终融合形成具有结构感知能力的位置编码，从而提升模型对复杂肺部结构的建模能力。