PHNet：MLP与CNN融合开启医学图像分割新纪元

引言：医学图像分割的技术演进与挑战

医学图像分割是临床诊断中的关键环节，其精度直接影响疾病早期筛查与治疗方案制定。传统方法依赖手工特征提取，存在效率低、泛化性差等问题。深度学习时代，CNN（卷积神经网络）凭借局部感知与权重共享特性，成为医学图像分割的主流架构，如U-Net系列模型通过编码器-解码器结构实现了端到端的像素级分类。然而，CNN的卷积核固定尺寸导致对全局信息的捕捉能力有限，尤其在处理高分辨率医学图像时，易丢失病灶区域的上下文关联。

与此同时，MLP（多层感知机）作为神经网络的基础架构，通过全连接层直接建模像素间的全局依赖关系，理论上可弥补CNN的不足。但传统MLP存在参数量大、计算复杂度高的问题，难以直接应用于高维医学图像。近年来，随着MLP-Mixer等轻量化MLP架构的提出，研究者开始探索MLP与CNN的融合路径，以期在保持效率的同时提升模型的全局建模能力。

PHNet核心创新：MLP与CNN的协同设计

香港科技大学团队提出的PHNet（Pyramid Hybrid Network）模型，通过“局部-全局”双分支架构，实现了MLP与CNN的深度融合。其核心设计可归纳为以下三点：

1. 双分支并行架构：分工与协同

PHNet采用双分支并行结构，其中CNN分支负责提取局部特征，MLP分支建模全局依赖。具体而言：

• CNN分支：基于改进的ResNet骨干网络，通过3×3卷积与残差连接，逐层提取图像的局部纹理与边缘信息。为适应医学图像的多尺度特性，分支中引入了空洞卷积（Dilated Convolution），在扩大感受野的同时保持空间分辨率。
• MLP分支：采用分层MLP（Hierarchical MLP）设计，将输入特征图划分为多个局部窗口，每个窗口内通过全连接层建模像素间的空间关系。为降低计算量，分支中引入了通道混洗（Channel Shuffle）操作，使不同窗口的信息得以交互。

双分支的输出通过特征融合模块（Feature Fusion Module）进行拼接，融合后的特征图既包含局部细节，又具备全局上下文信息，从而提升分割的准确性。

2. 动态权重分配：自适应融合策略

PHNet的创新之处在于引入了动态权重分配机制。传统多分支模型通常采用固定权重（如加权平均）融合特征，但医学图像中不同区域（如肿瘤与正常组织）对局部与全局信息的依赖程度不同。为此，PHNet设计了一个轻量级的注意力模块，根据输入图像的内容动态调整CNN与MLP分支的权重。具体实现中，该模块通过全局平均池化（Global Average Pooling）生成通道级注意力图，指导双分支特征的加权融合。

3. 轻量化设计：兼顾效率与精度

为满足临床实时分割的需求，PHNet在模型设计上注重轻量化。一方面，通过深度可分离卷积（Depthwise Separable Convolution）替换标准卷积，减少CNN分支的参数量；另一方面，MLP分支采用分组全连接（Grouped Fully Connected）策略，将特征图沿通道维度分组，每组独立进行全连接运算，从而降低计算复杂度。实验表明，PHNet在保持与U-Net相当精度的同时，推理速度提升了30%。

实验验证：PHNet在医学图像分割中的优势

为验证PHNet的有效性，研究团队在多个公开医学图像数据集上进行了对比实验，包括皮肤病变分割（ISIC 2018）、视网膜血管分割（DRIVE）与脑肿瘤分割（BraTS 2020）。实验设置如下：

• 基线模型：U-Net、Attention U-Net、TransUNet（基于Transformer的模型）。
• 评估指标：Dice系数（衡量分割区域与真实标签的重叠程度）、IoU（交并比）、推理时间（FPS）。

实验结果分析

1. 分割精度提升：在ISIC 2018数据集上，PHNet的Dice系数达到92.3%，较U-Net（89.7%）提升2.6个百分点；在BraTS 2020数据集上，PHNet对增强肿瘤区域的分割Dice系数为88.5%，优于TransUNet的87.2%。这表明PHNet通过融合MLP的全局建模能力，有效提升了复杂病灶的分割精度。
2. 效率优势显著：PHNet的推理速度为45 FPS（输入尺寸256×256），较TransUNet（28 FPS）提升60%，与轻量化的U-Net++（42 FPS）相当，但精度更高。这得益于其轻量化的双分支设计与动态权重分配机制。
3. 鲁棒性验证：在DRIVE数据集的噪声干扰实验中，PHNet的Dice系数仅下降1.2%，而U-Net下降3.5%，说明PHNet对图像质量的波动更具鲁棒性。

实际应用与启发：PHNet的技术价值与落地路径

PHNet的提出为医学图像分割领域提供了新的技术范式，其价值不仅体现在理论创新上，更在于对实际临床应用的启发。以下从技术落地与研究方向两个维度展开分析：

1. 技术落地：临床辅助诊断的潜力

PHNet的轻量化设计与高精度特性，使其具备部署于便携式医疗设备的潜力。例如，在皮肤镜诊断中，PHNet可实时分割病变区域，辅助医生快速判断病灶类型；在眼科OCT图像分析中，PHNet可精准提取视网膜层结构，为青光眼早期筛查提供依据。此外，PHNet的动态权重分配机制可扩展至多模态医学图像融合（如CT与MRI），进一步提升诊断的全面性。

2. 研究方向：MLP与CNN融合的深化探索

PHNet的成功验证了MLP与CNN融合的可行性，未来研究可进一步探索以下方向：

• 动态网络架构：设计可根据输入图像自动调整双分支结构的模型，例如在简单图像中减少MLP分支的参与，以提升效率。
• 自监督学习：利用未标注的医学图像数据，通过对比学习或重建任务预训练PHNet的特征提取能力，缓解数据标注成本高的问题。
• 硬件协同优化：针对FPGA或专用AI芯片，设计PHNet的定制化计算架构，进一步降低推理延迟。

结语：PHNet开启医学图像分割的新篇章

香港科技大学提出的PHNet模型，通过创新融合MLP与CNN架构，在医学图像分割领域实现了精度与效率的双重突破。其双分支并行设计、动态权重分配机制与轻量化策略，为解决医学图像分割中的“局部-全局”矛盾提供了新思路。未来，随着PHNet在临床场景中的深入应用与持续优化，其有望成为医学影像AI的核心技术之一，为精准医疗的发展注入新动力。对于研究者而言，PHNet的开源实现（代码与预训练模型已公开）提供了宝贵的实验基准，可进一步探索MLP与CNN融合的更多可能性。