UNet改进（18）：SaFA-UNet-融合对称感知注意力的医学图像分割新方法

摘要

本文介绍了一种改进的UNet架构——对称感知注意力UNet（Symmetric-aware Attention UNet，简称SaFA-UNet），该架构在传统UNet基础上引入了对称感知注意力模块（SaFA），旨在提升医学图像分割的性能。文章详细解析了SaFA模块的设计原理、实现细节以及在UNet架构中的集成方式，并通过代码实现展示了其具体应用。这种创新设计特别适用于具有对称特性的医学图像分割任务，如器官分割、病变检测等。

1. 引言

UNet自2015年由Ronneberger等人提出以来，已成为医学图像分割领域的基准架构。其独特的编码器-解码器结构以及跳跃连接设计，使其能够有效利用多尺度特征并保持空间信息。然而，传统UNet在处理具有对称特性的医学图像时，并未显式利用图像的对称先验知识。

在医学成像中，许多解剖结构（如大脑、心脏、肾脏等）都表现出不同程度的对称性。基于这一观察，我们提出了对称感知注意力模块（Symmetric-aware Attention Module，SaFA），并将其集成到UNet架构中，形成SaFA-UNet。该模块能够自动学习