PHNet医学图像分割新突破：MLP与CNN融合的港科大2023力作

一、医学图像分割的技术挑战与现状

医学图像分割是临床诊断、手术规划和疗效评估的核心环节，其精度直接影响疾病诊断的可靠性。传统方法依赖手工特征提取，存在效率低、泛化能力差等问题。近年来，深度学习特别是CNN的引入，极大提升了分割性能，但依然面临两大挑战：

1. 局部与全局信息平衡：CNN通过卷积核捕捉局部特征，但难以建模长距离依赖关系，导致分割结果在边界模糊或结构复杂区域出现断裂。
2. 计算效率与模型复杂度：为提升精度，模型层数和参数量不断增加，导致推理速度下降，难以满足实时临床需求。

现有改进方案如U-Net系列通过编码器-解码器结构融合多尺度特征，Transformer模型通过自注意力机制捕获全局信息，但均存在局限性：U-Net的跳跃连接可能引入噪声，Transformer的计算复杂度随序列长度平方增长。

二、PHNet的核心创新：MLP与CNN的协同设计

PHNet（Pyramid Hybrid Network）由香港科技大学团队提出，其核心思想是通过分层特征融合和动态权重分配，将MLP的全局建模能力与CNN的局部感知能力有机结合。模型架构包含三大模块：

1. 分层特征提取模块（Hierarchical Feature Extraction, HFE）

采用改进的ResNet作为主干网络，通过堆叠卷积块提取多尺度特征。与传统CNN不同，HFE在每个阶段后插入MLP-based特征增强单元（MFEU），其结构如下：

class MFEU(nn.Module):
    def __init__(self, in_channels, out_channels):
        super().__init__()
        self.mlp = nn.Sequential(
            nn.Linear(in_channels, out_channels*2),  # 扩展通道数以增强表达能力
            nn.ReLU(),
            nn.Linear(out_channels*2, out_channels)
        )
        self.conv = nn.Conv2d(in_channels, out_channels, kernel_size=1)  # 1x1卷积调整通道
    def forward(self, x):
        # x: [B, C, H, W]
        global_feat = x.mean(dim=[2,3])  # 全局平均池化获取空间无关特征 [B, C]
        mlp_out = self.mlp(global_feat).view(x.size(0), -1, 1, 1)  # 恢复空间维度 [B, C', 1, 1]
        return self.conv(x) + mlp_out  # 残差连接融合局部与全局信息

MFEU通过全局池化获取图像级特征，经MLP变换后与局部特征相加，实现跨尺度信息交互。实验表明，该设计使模型在肝脏分割任务中的Dice系数提升2.3%。

2. 动态权重分配模块（Dynamic Weight Assignment, DWA）

为解决不同尺度特征贡献不均的问题，DWA引入通道注意力机制，自适应调整各层特征的权重：

class DWA(nn.Module):
    def __init__(self, channels):
        super().__init__()
        self.mlp = nn.Sequential(
            nn.AdaptiveAvgPool2d(1),
            nn.Flatten(),
            nn.Linear(channels, channels//4),
            nn.ReLU(),
            nn.Linear(channels//4, channels),
            nn.Sigmoid()
        )
    def forward(self, x):
        # x: [B, C, H, W]
        weight = self.mlp(x).view(x.size(0), x.size(1), 1, 1)  # [B, C, 1, 1]
        return x * weight  # 通道级加权

DWA通过MLP生成通道重要性权重，使模型更关注任务相关特征。在脑肿瘤分割中，该模块使边缘区域分割精度提升1.8%。

3. 轻量化解码器（Lightweight Decoder, LD）

传统解码器通过转置卷积上采样，存在棋盘状伪影问题。PHNet采用亚像素卷积（Sub-pixel Convolution）结合MLP预测上采样核，在保持精度的同时减少参数量：

class LD(nn.Module):
    def __init__(self, in_channels, out_channels, scale_factor=2):
        super().__init__()
        self.mlp_kernel = nn.Sequential(
            nn.Linear(in_channels, in_channels*scale_factor**2),
            nn.ReLU()
        )
        self.conv = nn.Conv2d(in_channels, out_channels*scale_factor**2, kernel_size=3, padding=1)
    def forward(self, x):
        # x: [B, C, H, W]
        B, C, H, W = x.shape
        kernel = self.mlp_kernel(x.mean(dim=[2,3])).view(B, C, -1, scale_factor, scale_factor)  # [B, C, 1, s, s]
        feat = self.conv(x)  # [B, C*s^2, H, W]
        feat = feat.view(B, C, -1, H, W).permute(0, 1, 3, 4, 2)  # [B, C, H, W, s^2]
        upsampled = torch.einsum('bchw,bchsw->bchsw', feat, kernel)  # 动态核上采样
        return upsampled.view(B, -1, H*scale_factor, W*scale_factor)  # [B, C, H*s, W*s]

LD模块使模型参数量减少37%，而分割精度仅下降0.5%，在移动端部署具有显著优势。

三、实验验证与对比分析

团队在三个公开数据集上进行了验证：

1. LiTS 2017（肝脏肿瘤）：PHNet达到96.2%的Dice系数，较U-Net++提升1.5%，推理速度加快22%。
2. BraTS 2020（脑肿瘤）：在增强肿瘤区域分割中，PHNet的Hausdorff距离较nnUNet降低1.2mm，表明边界预测更精确。
3. ACDC 2017（心脏结构）：模型参数量仅12.3M，低于Transformer类模型的45.7M，而平均Dice达91.8%。

消融实验表明，MFEU和DWA模块分别贡献了1.8%和1.2%的精度提升，证明MLP与CNN的融合设计有效性。

四、对开发者的实践启示

1. 模型轻量化方向：PHNet的LD模块提供了动态上采样的新思路，开发者可借鉴其MLP预测核的思想，设计更高效的解码器。
2. 多模态融合扩展：MLP的全局建模能力适合处理多模态医学图像（如CT+MRI），未来可探索在PHNet中加入模态注意力机制。
3. 部署优化建议：针对移动端部署，建议将MLP部分替换为深度可分离卷积，进一步减少计算量。

PHNet的成功表明，MLP与CNN的结合并非简单堆砌，而是通过分层特征融合和动态权重分配实现能力互补。这一设计为医学图像分割提供了新的范式，值得开发者深入研究与应用。