一种基于非对称的轻量级医学图像分割网络（ABUNet）及其实现方法

本发明提出了一种基于非对称的轻量级医学图像分割网络(ABUNet)及其实现方法，包括以下步骤：S1，在编码阶段，提出特征减法卷积块(FSCB)，它应用信道特征差运算来实现O(C2/N)级参数压缩(N为组数)。在轻量级场景中，FSCB能有效减少特征冗余，直接突出病变区域的关键特征，优于传统的基于加法和乘法的特征操作；S2，在解码阶段，设计了特征加法卷积块(FACB)，它采用多分支特征融合机制，在不增加计算成本的情况下提高了不同特征表示的对齐精度；S3，在桥接阶段，构建了多尺度深度卷积块(MSDB)，利用异构内核并行计算显著增强模型的多尺度上下文建模能力，从而实现更精确的病变特征提取。S4，网络集成阶段，将FSCB模块集成到U形架构的编码器部分，FACB模块集成到解码器部分，并用MSDB模块处理桥接模块中的分组特征，构建非对称模型ABUNet。这种非对称架构克服了传统编码器‑解码器对称性的限制，有效平衡了高分割精度和计算效率。