arXiv发布改进CBAM ENet Skip肺肿瘤分割模型

2026年10月27日，arXiv cs.AI板块发布了一项关于肺肿瘤分割的新研究。该研究提出了一种轻量级模型，基于ENet架构，并融合了UNet风格跳跃连接及CBAM注意力模块。 据报道，该模型在测试中达到0.90812的DSC指标。模型参数仅为430,052个，计算量为0.549 GMAC，推理速度比UNet快10倍，参数比SegNet少22倍。 研究指出，该模型采用Grad-CAM提供可解释性分析，适合计算资源受限的临床环境，从而降低了部署成本并提升了实际应用的可行性。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。