融合形状感知的跨模态域自适应分割模型

Abstract

Cross-modal unsupervised domain adaptation (UDA) aims to transfer segmentation models trained on a labeled source modality to an unlabeled target modality. However, existing methods often fail to fully exploit shape priors and intermediate feature representations, resulting in limited generalization ability of the model in cross-modal transfer tasks. To address this challenge, we propose a segmentation model based on shape-aware adaptive weighting (SAWS) that enhance the model's ability to perceive the target area and capture global and local information. Specifically, we design a multi-angle strip-shaped shape perception (MSSP) module that captures shape features from multiple orientations through an angular pooling strategy, improving structural modeling under cross-modal settings. In addition, an adaptive weighted hierarchical contrastive (AWHC) loss is introduced to fully leverage intermediate features and enhance segmentation accuracy for small target structures. The proposed method is evaluated on the multi-modality whole heart segmentation (MMWHS) dataset. Experimental results demonstrate that SAWS achieves superior performance in cross-modal cardiac segmentation tasks, with a Dice score (Dice) of 70.1% and an average symmetric surface distance (ASSD) of 4.0 for the computed tomography (CT)→magnetic resonance imaging (MRI) task, and a Dice of 83.8% and ASSD of 3.7 for the MRI→CT task, outperforming existing state-of-the-art methods. Overall, this study proposes a cross-modal medical image segmentation method with shape-aware, which effectively improves the structure-aware ability and generalization performance of the UDA model.

0. 引言

磁共振成像（magnetic resonance imaging，MRI）和计算机断层扫描（computed tomography，CT）是医学诊断中广泛使用的两种模态的成像技术。CT能够提供更丰富的解剖结构信息^[1]，MRI则包含更全面的软组织和定量诊断信息^[2]。在临床医疗诊断中，通常需要结合多种模态的成像信息，以便进行更全面和精准的分析^[3]。因此，构建可以同时利用两种模态的医学影像分割方法，有助于充分利用两种模态的互补信息，为多模态医学影像分析提供更加有效的解决方案^[4]。然而，由于成像原理和采集条件差异，CT与MRI图像通常难以获得精确配对。同时，不同模态之间的标注往往不一致，如果为每种模态单独训练模型则成本较高。另一方面，模态间缺乏空间对齐且语义不一致，导致模型在融合其互补信息时受限，无法发挥多模态协同的优势。此外，由于CT与MRI图像之间分布存在差异，直接将一种模态数据训练好的模型应用于另一种不同模态的数据时，通常会导致模型的分割性能下降。已有研究表明，训练数据集（源域）与测试数据集（目标域）之间存在被称为域偏移的分布差异^[5]，这种域偏移问题在很大程度上阻碍了深度学习方法在临床诊断中的推广与应用。

为克服上述挑战，研究者们提出了跨模态无监督域自适应（unsupervised domain adaptation，UDA）方法^[6]。如图1所示，分别是无域自适应分割效果图和跨模态UDA分割效果图。其中，MRI图像为源域，CT图像为目标域。

图 1.

Comparison of semantic segmentation result

语义分割结果对比

跨模态UDA方法无需依赖目标域的标注数据，通过对齐源域与目标域之间的分布差异，从而实现在目标域上的准确分割。对抗性训练是实现跨模态分布对齐的有效手段之一^[7-8]，该方法采用生成对抗思想，通过引入判别器对源域与目标域特征进行区分；同时，利用对抗性策略引导特征提取器学习跨域一致的特征表示，从而实现源域和目标域间的分布对齐，从而有效缓解不同模态间的域偏移问题。

现有的基于对抗性训练的跨模态UDA分割方法主要分为三类^[9-10]。第一类基于图像翻译的方法，旨在学习源域和目标域之间的映射关系，从图像外观的角度实现分布对齐^[11-14]。如Tomar等^[11]提出一种基于自注意空间归一化的UDA方法，有效缩小模态间域偏移并减轻标注负担。Chen等^[12]通对抗性训练和循环一致性约束将源域数据转换为目标域风格，并利用判别器在不同层面增强特征适应性。Zou等^[13]基于循环一致性对抗网络架构，通过构建源域和目标域之间的映射关系，有效缩小域之间的分布差异。Pei等^[14]通过特征解纠缠方法，将域特征分解为域不变和域相关两部分，以保持解剖结构的一致性。第二类基于特征的方法，旨在通过学习语义层面的域不变特征，缩小不同域之间的表示差距。该方法主要基于变换器（Transformer）^[15-17]和卷积神经网络^[18-20]实现特征提取与对齐。如Ji等^[15]提出一种基于Transformer的UDA模型，通过对不同层级的注意力特征进行层次对齐，增强模型传递关键判别特征的能力。Zhang等^[16]构建基于移位窗口（shifted window，Swin）的Transformer生成对抗网络（generative adversarial network，GAN），以建立特征的全局语义相关性。Guo等^[17]将U型架构与交叉自注意力机制结合，实现了对特定模态关键信息的保留，并增强了不同模态特征的深层交互。Ge等^[18]通过在特征空间中引入风格适应模块和边界增强模块，有效对齐不同模态间的分布差异。Ding等^[19]针对类别不平衡和边界模糊问题，提出一种全心脏分割的级联框架，并结合心脏的解剖先验对初始结果进行精细化调整。Liu等^[20]将图像特征沿通道维度解耦为语义与风格两部分，通过对齐风格特征实现跨域分布的一致性。上述两类方法通常需要复杂的域间映射过程，在源域与目标域偏移较大时，可能会导致模型分割效果受限。第三类基于伪标签的方法，通常将模型的预测结果作为目标域的伪标签，并对目标域进行监督优化^[21-22]，该类方法在一定程度上降低了对源域的直接依赖。如Liu等^[21]提出了自步优化伪标签（self-paced pseudo labels，SPL）方法，实现类别感知的分布对齐与跨域一致特征学习。Lin等^[22]则将对抗性学习与解纠缠表示学习相结合，并利用伪标签和真实标签对模型迭代优化。尽管当前多数研究方法通过伪标签在一定程度上缓解了源域的依赖，但其对图像形状信息的利用仍不充分，限制了模型对目标结构的建模与感知能力。

形状感知策略，通过在特征提取过程中融入几何或拓扑先验知识，从而强化对目标形状与结构的表征能力^[23]。如Huang等^[24]提出一种融合区域约束与形状感知的双重损失函数，以在边界层面强化模型对形状细节的捕捉与学习。Liu等^[25]则通过形状感知与局部上下文约束，引导模型生成与真实解剖结构高度一致的预测结果。Zhou等^[26]在解码阶段引入边界约束机制，以增强模型对小器官及模糊边界的分割性能。Zhou等^[27]利用协同感知策略在尺度与形状层面施加联合约束，从而实现更优的特征匹配。由此可见，当前结合形状感知策略能够有效提升模型的准确性与鲁棒性，尤其在捕捉复杂目标的形状和结构特征方面展现出显著优势。

基于此，本文提出一种基于形状感知的自适应加权分割（shape-aware adaptive weighted segmentation，SAWS）模型。其中，针对形状信息提取不足的问题，提出一种多角度条带形状感知（multi-angle strip shape perception，MSSP）模块，该模块通过多角度池化操作，显示建模目标结构在不同角度上的形状特征，从而提高对目标结构的感知能力。此外，为进一步提升模型对全局与局部信息的捕获能力，本文提出一种自适应加权分层对比（adaptively weighted hierarchical contrast，AWHC）损失，在分层对比学习的基础上引入自适应加权机制，动态调整不同层级特征的权重，以期有效提升UDA模型的结构感知能力与泛化性能。

1. 模型与算法

1.1. 问题定义

本研究给定一个带标签的源域数据集，学习从图像域到标签域的映射关系（）。该映射关系通过最小化由交叉熵损失和骰子系数（dice coefficient，Dice）损失组成的监督学习损失进行优化，如式(1)所示：

1

其中，为的逐像素预测；为图像的真实标签。然而，由于源域和目标域之间存在域偏移问题，仅在源域上训练的模型难以直接泛化到目标域。为缓解此问题，研究人员提出了UDA方法，可概括表示如式(2)所示：

2

其中，在有标签的源域和无标签的目标域上进行训练，目的是学习源域与目标域之间可迁移的域特征表示；表示目标域标签。通常情况下，假设源域与目标域的类别集合相同，即：。

1.2. 模型框架

为提升UDA方法对目标结构的感知能力及全局与局部信息的捕获能力，本文提出一种SAWS分割模型，其整体框架如图2所示。该模型将GAN^[28]作为骨干对齐网络，以促进源域与目标域之间的类别感知对齐。生成器G由三个分支组成，其中一个分支用于生成源域的预测掩码，并与真实标签计算监督学习损失；另两个分支分别生成源域与目标域的加权自信息图，并传入判别器D进行对抗学习。模型以深度研究实验室V2（DeepLabV2）^[29]作为基础框架；MSSP模块提取输入特征中的形状信息，增强模型对目标结构的感知能力；AWHC损失通过分层对比学习，在不同语义层次上强化模型对全局与局部信息的捕获。

图 2.

SAWS model framework

SAWS模型框架

1.3. 多角度条带形状感知模块

双分支形状感知网络（dual-branch shape-aware network，DSANet）^[26]通过垂直条带池化操作建模目标结构的形状特征，但存在单一角度的局限。为有效捕捉目标结构在不同角度的形状特征，本文在其基础上提出MSSP模块。

如图3所示，MSSP模块首先将输入特征图沿多个预设角度旋转，并在每个角度上施加平均池化操作，以捕获结构在不同角度上的形状特征。随后，结合条带引导的注意力机制，模块能够自适应地分配各角度的特征权重，从而实现对多角度形状信息的有效建模。

图 3.

The basic flow of the MSSP module

MSSP模块的基本流程

首先，输入特征图分别通过三个1 × 1卷积操作生成查询（query，Q）、键值（key，K）、赋值（value，V）（分别以符号表示），如式(3)～(5)所示：

3

4

5

其中，代表卷积操作；为批量大小；为通道数；和分别为特征图高度和宽度；，。再对进行旋转池化，得到多个角度的池化结果，如式(6)所示：

6

其中，为旋转角度。代表多角度池化操作，卷积核大小为。对于每个角度，通过计算得到注意力权重，如式(7)所示：

7

其中，softmax（）是归一化指数函数，表示矩阵乘法。使用注意力权重对进行加权，获取加权特征图，如式(8)所示：

8

随后，将不同角度的加权特征图拼接，如式(9)所示：

9

其中，为拼接融合操作。最后，将拼接输出与输入特征图进行残差相加，如式(10)所示：

10

其中，代表模块的最终输出。

1.4. 逐步优化伪标签方法

本文将SPL方法作为伪标签优化方法。SPL方法根据目标域像素的置信度动态生成伪标签，从而避免错误伪标签的干扰。首先，计算像素归属于类别的置信度；然后，选择最大置信度类别作为伪标签，并设定阈值过滤低置信度像素，如式(11)所示：

11

其中，代表像素属于类别的余弦相似度分数；和分别对应预测中置信度最高的前两类的索引；表示第个像素的预测类别指数；表示目标域像素处的伪标签。当置信度值大于阈值时，像素才会被赋予伪标签，从而避免低置信度伪标签的干扰。

1.5. 自适应权重分层对比损失

边界保持对比学习（margin preserving contrastive learning，MPCL）损失^[21]首次将对比学习引入UDA医学影像分析中。然而，该损失仅作用于最后一层的特征嵌入，忽略了输入图像在抽象过程中形成的中间特征图，从而导致模型对小目标的分割性能有限。为此，本文提出AWHC损失，该方法在分层对比学习的基础上引入自适应加权机制。图像输入到分割网络中，得到一系列特征图：。表示分割网络第层提取的特征图。较低层级的特征蕴含图像的局部细节信息，较高层级的特征包含图像的全局语义信息。通过合理分配不同层级的特征贡献，提升模型对全局与局部信息的捕获能力。首先，分别使用投影层和将特征和伪标签投影到同一嵌入空间中，如式(12)～(13)所示：

12

13

其中，和表示投影后得到的统一嵌入特征。通过个并行的相似度计算头计算原始相似度，如式(14)所示：

14

其中，表示S型激活函数，用于将相似度值归一化；再获取自适应权重的缩放系数，如式(15)所示：

15

其中，表示第个头对应的多层感知机（multilayer perceptron，MLP），用于学习自适应权重系数；和分别表示系数的上下界，用于约束系数的学习范围；为拼接融合操作。最后，得到每个特征图中像素的对应权重，如式(16)所示：

16

其中，计算平均值。最后，AWHC损失的表达式如式(17)所示：

17

其中，表示像素总数。表示MPCL损失。

1.6. 对抗训练

生成器通过生成语义掩码，使得源域和目标域的结构尽可能相似。判别器则通过区分输入图像是来自源域还是目标域，从而引导生成器学习域不变特征。判别器的训练目标是最小化二元交叉熵损失L_D，如式(18)所示：

18

其中，表示二元交叉熵损失；代表源域数据数量；代表目标域数据数量；和分别代表源域和目标域生成的加权自信息图，用来表示像素级的预测概率。生成器的对抗损失L_adv如式(19)所示：

19

生成器的总优化目标L_G如式(20)所示：

20

其中，代表源域分割损失；和分别代表源域和目标域的AWHC损失；分别代表各损失的权重系数，系数根据消融实验结果分别设置为1.0和0.1，系数参照文献[21]的方法设定为0.003。

2. 实验与结果分析

2.1. 实验数据

本文采用多模态全心脏分割（multi-modality whole heart segmentation，MMWHS）挑战赛公开数据集^[30]进行实验。MMWHS数据集由英国伦敦大学学院建立并公开发布。该数据集共包含120例三维心脏影像数据，其中包括60例CT影像和60例MRI影像，每例数据均提供了高质量的人工标注作为金标准。

本实验采用20例未配对的MRI影像和CT影像及其对应的真实标签作为训练数据。本研究主要在MRI→CT和CT→MRI两个方向上进行了跨模态分割实验，目标是分割升主动脉（ascending aorta，AA）、左心房腔（left atrial cavity，LAC）、左心室腔（left ventricular cavity，LVC）和心肌（myocardium，MYO）四个结构。其中，“→”表示迁移方向，即箭头左侧模态为源域，右侧模态为目标域。

2.2. 实验设置

本文实验基于深度学习框架PyTorch（Meta Inc.，美国）实现，并在英伟达显卡NVIDIA GeForce RTX 3090（NVIDIA Inc，美国）上进行训练。模型采用随机梯度下降法（stochastic gradient descent，SGD）^[31]优化，学习率设置为，动量为，衰减率为。为确保评估的公平性与结果的可复现性，本文选取边界保持自步对比学习（margin preserving self-paced contrastive learning，MPSCL）^[21]作为基线方法，并在关键参数上严格遵循其公开配置，其中批量大小为4，迭代次数为 50 000。对于CT→MRI任务，采用局部感受野判别器（PatchGAN）^[32]的判别器配置。对于MRI→CT任务，采用自适应输出层（AdaOutput）^[33]的判别器配置。

2.3. 评价指标

本文采用Dice和平均对称表面距离（average symmetric surface distance，ASSD）作为模型分割性能的评价指标。Dice用于评估预测结果与真实标签之间的重叠程度，取值范围在[0，1]之间。Dice值越高表示预测区域与真实结构的一致性越高，分割效果越好，其计算公式如式(21)所示：

21

其中，为模型的预测结果；为真实标签；为两者重叠的像素数。

ASSD距离主要衡量预测分割边界与真实标签边界之间的平均对称欧几里得距离。ASSD距离值越低表示分割效果越好，其计算公式如式(22)所示：

22

其中，和分别为预测分割和真实分割的边界点集；和为点集中的点；表示点到边界的最近距离。

2.4. 对比实验

为了验证所提算法的分割性能，本文在MMWHS挑战赛公开数据集上分别进行了MRI→CT与CT→MRI跨模态分割实验，并与协同图像与特征对齐（synergistic image and feature alignmen，SIFAv1）^[12]、改进的SIFAv1（improved SIFAv1，SIFAv2）^[12]、对抗熵最小化（adversarial entropy minimization，AdvEnt）^[34]、MPSCL^[21]和组合性的跨模态医学图像分割（cross-modal medical image segmentation through compositionality，CMS）^[35]等常用的UDA分割方法进行对比，实验结果如表1所示。其中，粗体数据表示最优值；向上箭头↑表示Dice指标数值越大，对应分割效果越好；向下箭头↓表示ASSD指标数值越小，对应的分割效果就越好。由表1可见，在无域自适应策略的情况下，模型在目标域上的表现均显著低于监督训练所能达到的水平。该结果充分说明CT与MRI之间存在明显的域偏移问题，严重影响了模型的泛化能力。

表 1. Results of the transition on the MMWHS dataset.

MMWHS数据集上的实验结果

方法	MRICT												CTMRI
	Dice						ASSD						Dice						ASSD
	AA	LAC	LVC	MYO	平均值		AA	LAC	LVC	MYO	平均值		AA	LAC	LVC	MYO	平均值		AA	LAC	LVC	MYO	平均值
监督训练	91.7%	89.7%	90.9%	85.4%	89.4%		1.7	3.1	2.1	1.9	2.2		81.1%	86.1%	90.3%	76.5%	83.5%		4.3	2.8	2.0	1.8	2.7
无域自适应	51.1%	42.0%	1.9%	1.7%	24.2%		8.7	8.0	29.1	30.3	19.0		6.8%	6.0%	53.9%	13.5%	20.1%		31.9	31.2	7.8	7.0	19.5
SIFAv1	80.0%	82.2%	79.5%	49.5%	72.8%		8.2	10.7	5.3	4.9	7.3		66.8%	60.4%	74.7%	45.6%	61.9%		6.4	9.5	4.5	4.6	6.3
AdvEnt	82.7%	86.9%	82.2%	53.2%	76.3%		7.1	5.2	4.6	4.6	5.4		43.7%	63.9%	68.8%	43.9%	55.1%		7.9	4.7	5.2	5.3	5.8
SIFAv2	82.5%	83.6%	77.9%	51.5%	73.6%		8.5	8.6	6.0	5.0	7.0		64.6%	63.2%	79.1%	47.4%	63.6%		7.4	7.2	4.0	4.5	5.8
CMS	83.2%	84.2%	84.5%	63.2%	78.8%		7.3	4.9	5.0	3.9	5.3		62.9%	71.1%	77.0%	50.7%	65.4%		6.1	3.9	4.1	3.8	4.5
MPSCL	88.6%	87.0%	85.4%	70.8%	82.9%		6.7	3.6	3.2	3.6	4.3		60.3%	61.4%	74.3%	48.7%	61.2%		6.5	8.4	4.7	4.6	6.1
本文方法	88.9%	87.4%	86.8%	72.1%	83.8%		5.1	3.1	2.8	3.7	3.7		68.9%	76.7%	81.8%	52.8%	70.1%		5.5	2.9	3.5	4.2	4.0

现有的跨模态UDA方法在一定程度上缓解了域偏移问题，但仍存在不足。SIFAv1与SIFAv2通过对抗式全局分布对齐来增强域间一致性，但整体改进幅度有限。AdvEnt利用熵最小化来提高目标域预测的置信度，但其语义一致性约束仅作用于输出空间，对中间层特征的利用不足。CMS将组合性作为归纳偏置引入端到端的跨模态分割框架中，以获得可解释的组合内容表示。然而，该方法学习到的表征缺乏严格的一致性约束，当模态差异过大时，易受到域特征残留的干扰。MPSCL结合类别原型和对比损失，在一定程度上增强了嵌入空间的判别性，但其损失函数更侧重于整体特征空间的结构优化，未能充分利用中间层特征信息。相比之下，本文提出的SAWS方法在整体性能上均优于所有对比方法。其优势主要得益于：在网络结构中显式引入形状感知机制，有效增强模型对跨模态结构信息的建模能力。同时通过自适应分层对比策略充分挖掘中间层表征，从而在全局与局部层面实现更加稳健的跨模态特征对齐。

MRI→CT与CT→MRI的定性结果如图4所示，其中红圈用于标注分割的不完整区域，红箭头用于标示边界模糊区域。从图4中可以看出，与其他代表性UDA方法相比，SAWS在两个迁移任务上均取得了更准确的分割结果。相比之下，AdvEnt和SIFAv2的分割结果存在不完整区域，MPSCL表现出边界模糊的现象。上述结果表明，在面临严重模态差异的条件下，SAWS具有更强的域自适应能力和跨模态泛化性能，整体分割效果显著优于现有对比方法。

图 4.

Visual comparison

视觉比较

2.5. 消融实验

2.5.1. 模块消融实验

本文通过MRI→CT和CT→MRI的消融实验来验证各模块的有效性，结果如表2所示。其中，“-”为不添加模块；“√”为添加模块；“#1、#2”表示不同的模块组合；粗体数据表示最优值。对于CT→MRI任务，单独使用MSSP模块时，所提方法Dice值与基线方法相比有所提升。对于MRI→CT任务，单独使用AWHC损失有效地降低了ASSD值。当MSSP模块和AWHC损失联合使用时，模型性能达到最优，上述结果充分说明了各模块的有效性。

表 2. Ablation study.

模块消融实验

MRICT
模型	MSSP	AWHC	Dice						ASSD
			AA	LAC	LVC	MYO	平均值		AA	LAC	LVC	MYO	平均值
基线	—	—	88.2%	87.0%	85.1%	70.0%	82.6%		7.1	3.6	3.3	3.6	4.4
#1	√	—	88.8%	87.1%	86.1%	69.0%	82.8%		6.7	3.4	3.1	3.6	4.2
#2	—	√	89.8%	87.7%	85.8%	69.4%	83.2%		5.4	3.1	3.3	3.5	3.8
本文方法	√	√	88.9%	87.4%	86.8%	72.1%	83.8%		5.1	3.1	2.8	3.7	3.7
CTMRI
模型	MSSP	AWHC	Dice						ASSD
			AA	LAC	LVC	MYO	平均值		AA	LAC	LVC	MYO	平均值
基线	—	—	63.9%	71.2%	74.1%	49.7%	64.7%		6.1	3.9	4.7	4.0	4.7
#1	√	—	63.8%	72.2%	77.5%	50.6%	66.1%		6.0	3.5	4.2	4.3	4.5
#2	—	√	65.3%	73.3%	79.1%	51.7%	67.3%		5.9	3.5	3.5	3.6	4.1
本文方法	√	√	68.9%	76.7%	81.8%	52.8%	70.1%		5.5	2.9	3.5	4.2	4.0

2.5.2. 多角度条带形状感知模块分析

为进一步验证所提模块MSSP的有效性，本文通过一系列消融实验，系统评估不同角度组合对MSSP模块性能的影响。当角度设置为0 °时，其实现方式与DSANet中采用的形状感知策略一致。实验结果如表3所示，“#1～#6”表示不同的角度组合；粗体数据表示最优值。从表3中可以看出，适当增加角度数量，有助于捕捉结构在不同角度上的形状特征，提升模型的结构感知能力。然而，当引入的角度过多时，模型性能反而出现下降。实验结果表明，当MSSP模块采用0 °、45 °、90 °和135 °四个角度时，在多个指标上均取得最优性能。

表 3. Performance comparison of MSSP modules added in different angles.

MSSP添加不同角度的性能比较

CTMRI
组合	0 °	45 °	90 °	135 °	180 °	225 °	Dice						ASSD
							AA	LAC	LVC	MYO	平均值		AA	LAC	LVC	MYO	平均值
#1	√	—	—	—	—	—	63.9%	71.1%	76.2%	49.2%	65.1%		6.2	4.0	4.4	4.1	4.7
#2	√	√	—	—	—	—	63.4%	71.7%	77.4%	51.2%	65.9%		6.0	3.7	3.7	3.7	4.3
#3	√	√	√	—	—	—	64.8%	68.9%	76.9%	50.3%	65.2%		6.0	4.0	4.0	4.1	4.5
#4	√	√	√	√	—	—	68.9%	76.7%	81.8%	52.8%	70.1%		5.5	2.9	3.5	4.2	4.0
#5	√	√	√	√	√	—	57.4%	71.4%	76.3%	50.0%	63.8%		6.9	4.3	4.1	3.8	4.8
#6	√	√	√	√	√	√	59.2%	64.8%	76.8%	49.8%	62.7%		6.6	4.3	3.8	4.0	4.7
MRICT
组合	0 °	45 °	90 °	135 °	180 °	225 °	Dice						ASSD
							AA	LAC	LVC	MYO	平均值		AA	LAC	LVC	MYO	平均值
#1	√	—	—	—	—	—	88.5%	87.8%	84.2%	66.4%	81.7%		6.1	3.4	3.6	3.8	4.2
#2	√	√	—	—	—	—	89.9%	87.4%	82.9%	61.0%	80.3%		4.6	3.9	3.7	4.2	4.1
#3	√	√	√	—	—	—	89.4%	88.0%	86.0%	67.3%	82.7%		6.0	3.3	3.3	3.7	4.0
#4	√	√	√	√	—	—	88.9%	87.4%	86.8%	72.1%	83.8%		5.1	3.1	2.8	3.7	3.7
#5	√	√	√	√	√	—	88.9%	88.2%	84.5%	61.9%	80.9%		5.1	3.5	3.4	3.9	4.0
#6	√	√	√	√	√	√	87.2%	87.6%	85.9%	67.6%	82.1%		10.0	3.3	3.5	3.7	5.1

2.5.3. 自适应权重分层对比损失分析

本文提出的AWHC损失能够有效提升模型对小目标的分割精度。为了验证其有效性，本文在两个迁移任务中分析AWHC损失对小目标的分割性能。同时，将所提方法与MPCL损失进行视觉比较，结果如图5所示。其中，红框用于标示小目标区域。AWHC损失在多层级上自适应地分配特征权重，充分融合低层级的局部细节与高层级的全局信息，从而实现对小目标区域的完整捕获。相比之下，MPCL损失仅作用于最后一层特征表示，忽略了中间层特征信息，导致在处理小目标时出现漏分割现象。因此，采用AWHC损失能够更好地实现小目标区域的精确分割。

图 5.

Visual comparison of AWHC loss on segmentation performance of small objects

AWHC损失对小目标分割性能的视觉比较

2.5.4. 超参数分析

如1.6小节公式所示，超参数用于平衡源域与目标域对比损失在整体训练中的贡献，不同的取值对域对齐效果具有显著影响。因此，通过实验分析超参数对模型最终分割性能的影响，实验结果如表4所示。当取值较为接近时，模型在两个迁移任务中的性能均表现不佳，说明此时对比损失在源域与目标域之间的权重分配无法有效引导跨域特征对齐。相反，当时，模型在两个迁移任务的分割性能均有明显提升，表明增强源域对比损失的权重能够提供更加稳定且语义一致的监督信号。因此，本文最终将超参数设定为。

表 4. Analysis of hyperparameter α、β.

超参数α、β分析

源域 目标域	评估 指标	（
		(0.5、0.5)	(0.6、0.4)	(0.8、0.2)	(1.0、0.1)
CTMRI	Dice ASSD	65.6%	68.6%	64.2%	70.1%
		4.4	4.0	4.6	4.0
MRICT	Dice ASSD	64.6%	81.1%	83.2%	83.8%
		6.5	4.5	4.7	3.7

3. 结束语

本文提出了一种SAWS模型，旨在充分利用图像中的形状信息和中间层特征，以增强模型对目标域的结构感知能力。该模型通过构建MSSP模块，利用多角度池化和可学习的注意力机制提取并融合目标结构的形状特征；通过引入AWHC损失，以充分挖掘中间层特征信息。实验结果表明，本文所提方法在心脏分割任务中表现出优越的分割性能，验证了其有效性和鲁棒性。未来，本研究团队将进一步探索该方法在跨模态域自适应任务中的适用性，并提高其在不同模态间的泛化能力与稳定性。

重要声明

利益冲突声明：本文全体作者均声明不存在利益冲突。

作者贡献声明：刘禹思负责算法设计与实现、数据处理与分析、论文写作与修改；齐良策提供实验指导及论文审阅修订；刁兆恒、李玉琴参与实验结果的整理；冯冠元和蒋振刚提供论文审校和基金支持。

Funding Statement

国家自然科学基金资助项目（82472118）；吉林省高教学会高教科研课题（JGJX24D0119）

National Natural Science Foundation of China