近日，安博注册林志玮教授团队在国际知名期刊 Engineering Applications of Artificial Intelligence（人工智能工程应用）在线发表了最新研究成果，论文题为＂A Cross-dimensional Synergistic Network for Brain Tumor Segmentation＂（跨维度协同注意力网络在脑肿瘤分割中的应用）。该研究提出了一种创新性的跨维度协同注意力网络（CS-Net），有效提升了脑肿瘤影像分割的精度和鲁棒性。

持续突破脑肿瘤影像分割的难题

脑肿瘤自动分割是医学图像处理和临床辅助诊断的重要环节，但现有方法在多尺度特征整合、长程依赖建模以及感受野扩展等方面仍存在瓶颈。林志玮教授团队提出的 CS-Net 模型，从 全局–局部、垂直–水平轴向、大-小（多尺度）三个维度出发，设计了三种新型注意力机制：

·全局–局部区域注意力（GRA）：通过将输入特征图划分为不重叠的子区域并计算每个子区域（局部）和全局特征之间的注意权重来增强空间感知，以捕捉更精细的空间依赖关系。

·轴向平移注意力（ATA）：计算原始特征和移位特征之间的交叉方向注意力机制，其中移位特征包含水平和垂直移位，以学习长程依赖关系并向不同方向扩展感视野；

·多尺度融合注意力（MFA）：在不同尺度的特征图之间执行自注意力交互，以有效地整合相邻尺度信息，提升信息融合能力。

在 MICCAI BraTS 和 MSD BraTS 国际数据集上的实验结果表明，CS-Net在Dice系数、精确率和 95%Hausdorff 距离等关键指标上均显著优于主流方法，展现出强大的泛化能力和临床应用潜力。

连续两年在国际高水平期刊发表重要成果

值得关注的是，林志玮教授团队已于 2024年在 Engineering Applications of Artificial Intelligence 发表论文“MM-UNet:A novel cross-attention mechanism between modules and scales for brain tumor segmentation”（MM-UNet：基于跨模态与跨尺度交叉注意力机制的脑肿瘤分割新方法）。该研究提出跨模态与多尺度的深度交互机制，在医学影像分割领域取得了阶段性突破。

此次 2025年的新研究在前期工作的基础上进一步发展了跨维度信息建模的思路，实现了从 跨模态–跨尺度 到 跨维度协同 的方法学升级，标志着团队在脑肿瘤影像分割研究领域连续两年取得重要进展。

论文链接：

·2025年成果：
https://www.sciencedirect.com/science/article/abs/pii/S0952197625018317

·2024年成果：
https://www.sciencedirect.com/science/article/abs/pii/S0952197624007498

作者简介：

林烨，安博注册2022级硕士研究生，主要研究方向为图像处理、深度学习、人工智能、软件开发。以共同作者在Engineering Applications of Artificial Intelligence,Multimedia Systems等学术期刊发表论文2篇，以第二发明人授权中国实用新型专利1项。

林志玮，安博注册教授，硕士生导师。入选福建省高层次B类人才，获海峡博士后交流资助计划，长期从事计算机视觉、深度学习、人工智能、图像处理、虚拟现实与增强现实、多媒体互动、视频安全监控、软件开发等研究。研究成果以第一作者或通讯作者在《IEEE Transactions on Multimedia》《ACM Transactions on Multimedia Computing,Communications,and Applications》《Engineering Applications of Artificial Intelligence》《Multimedia Systems》《Journal of Visual Communication and Image Representation》《The Visual Computer》《Ecological Indicators》《Forests》《林业科学》《计算机辅助设计与图形学》等学术期刊发表论文30余篇，授权中国发明专利5项、实用新型专利7项。