摘要
近年来，UNet及其最新扩展模型（如TransUNet）已成为医学图像分割领域的主流方法。然而，由于这些网络参数量庞大、计算复杂度高且推理速度较慢，难以在床旁（point-of-care）等对实时性要求较高的应用场景中有效部署。为此，我们提出了一种新型网络结构——UNeXt，该模型基于卷积型多层感知机（Convolutional Multilayer Perceptron, MLP），专为高效图像分割设计。UNeXt采用一种高效的网络架构，包含早期的卷积阶段与潜在空间中的MLP阶段。我们提出了一种分 token 的MLP模块（tokenized MLP block），通过高效地对卷积特征进行分块（tokenization）与投影，并利用MLP建模特征表示。为进一步提升性能，我们在将输入送入MLP前引入通道移位机制（channel shifting），以增强模型对局部依赖关系的学习能力。在潜在空间中使用分 token 的MLP结构，不仅显著减少了模型参数量和计算复杂度，同时还能生成更具判别性的特征表示，从而提升分割精度。此外，UNeXt在网络中引入了编码器与解码器之间多层级的跳跃连接（skip connections），以保留更丰富的空间信息。我们在多个医学图像分割数据集上对UNeXt进行了全面评估，实验结果表明：相较于当前最先进的医学图像分割架构，UNeXt实现了参数量减少72倍、计算复杂度降低68倍，并推理速度提升10倍，同时在分割性能上仍优于现有方法。代码已开源，可访问：https://github.com/jeya-maria-jose/UNeXt-pytorch