四象限斜向特征位移的轻量级牙齿图像分割

牙齿图像的自动化分割在口腔疾病的辅助诊断中具有重要作用。针对现有分割模型参数量大、医学牙齿影像分割精度不高的问题，提出一种四象限斜向特征位移（quadrant oblique displacement，QOD）的轻量级牙齿图像分割模型QOD-UNeXt。首先，设计QOD块，将特征沿左上、右上、左下、右下四个斜向方向进行位移，以扩散特征并动态聚合令牌，提升分割精度。其次，在解码器中加入局部特征融合 （localized feature integration，LFI） 模块，提高模型对细节和全局信息的整合能力。最后，在跳跃连接处引入高效通道注意力（ECA）模块，以进一步融合局部与全局特征。基于STS-MICCAI 2023和Tufts公共数据集的实验结果表明：QOD-UNeXt在保持轻量化的同时，显著提升分割精度，在牙齿医学图像分割任务中展现出优异的性能。