近日，我院本科生大数据222班周喆同学在国际神经计算领域著名SCI期刊Neurocompting发表题为“FAMU-Net: A network method for segmentation of retinal blood vessels based on fuzzy axial attention and multi-scale feature fusion”（基于模糊轴向注意力与多尺度特征融合的视网膜血管分割网络方法）的相关研究成果，周喆为论文唯一第一作者，丁卫平教授为通讯作者，南通大学为第一署名单位。该论文是我校大学生创新创业训练计划项目成果之一。
视网膜血管分割是一种计算机辅助诊断中关键任务，近年来在糖尿病视网膜病变、高血压等全身性疾病筛查领域备受关注。然而，现有基于卷积神经网络与Transformer方法大多数采用单一特征融合策略，将局部血管细节与长程依赖特征简单叠加，难以在复杂血管结构中自适地兼顾二者表征优势。此外，目前方法普遍缺乏对模糊血管边界的针对性增强机制，易在特征提取过程中丢失细小血管分支信息，从而影响分割结果的准确性与完整性。为此，本论文提出了一种将模糊轴向注意力与多尺度特征融合(CBAM)机制相结合的视网膜血管分割网络，具体而言，模糊轴向注意力(FAA)模块通过模糊化处理与轴方向分离计算对血管边界不确定性进行显式建模，提升对模糊血管边界的敏感度与复杂血管结构的表征能力；多尺度特征融合(MSFF)模块基于卷积块注意力机制(CBAM)估计通道与空间维度的特征权重，并在多尺度特征层级自适应地引导局部细节与全局结构特征的融合；同时CBAM模块量化不同尺度特征间的响应差异，以补偿特征传播过程中导致的细小血管分支损失。实验表明FAMU-Net较当前先进方法(Swin-Unet)取得显著领先，同时FAMU-Net还能降低计算需求量以及更好地处理模糊边界，能进一步提升临床判定准确性。
Neurocomputing是人工智能领域的重要期刊，由Elsevier在1989年创刊，主要刊登神经网络、机器学习等方面的理论和实际应用成果，目前为中科二区期刊，影响因子6.5。
文章链接：https://doi.org/10.1016/j.neucom.2025.132531
（唐增阳 周喆）
