近日，实验室硕士生徐卿一篇论文“Difficulty-aware Bi-network with Spatial Attention Constrained Graph for Axillary Lymph Node Segmentation”被SCIENCE CHINA Information Sciences (SCIS)期刊录用。

乳腺癌腋窝淋巴结(ALN)超声图像的分割对乳腺癌的诊断和治疗具有重要作用。近年来，深度学习方法在医学图像自动分割方面取得了显著的改进。然而，出现了两个问题。(1)他们经常使用统一的模型来分割所有的图像，没有考虑到难度多样性。(2)他们忽略了已学习类概率图中各元素之间的关系。为了解决这两个问题，该论文提出了一种新的具有空间注意约束图的困难感知双网络用于ALN分割。该框架主要由两部分组成:(1)难度评分模块(DGM)。它用于学习输入图像的难度等级。DGM将图像标记为easy或hard。(2)细分网络。基于生成的分级结果，采用双网络对图像进行自适应分割。它包括两个分支:easy分支和hard分支。在easy branch中，开发了便于图像分割的SE-U-net。在hard分支中，首先采用SE-U-net进行图像分割。在此基础上，提出了一种新的空间注意模块，用于生成空间注意图。最终的分割结果是通过最小化一个新的基于图形的能量，并结合空间注意力图。在所提出的框架中，DGM能够保证所提出的网络能够利用不同的分支自适应地分割图像。在提出的hard分支中，学习空间注意图具有提供额外辨别信息的能力。此外，基于图的分割框架能够捕捉像素之间的关系，进一步提高了hard图像的分割性能。

SCIS是联合中国科学院和中国的国家自然科学基金，由中国科学出版社出版的致力于出版高质量的原始结果的基础研究和应用研究在信息科学的所有领域的期刊，属于CCF B类期刊。