机械学位点2023级硕士研究生燕顺在中科院一区期刊Information Fusion上发表论文

近期，机械学位点2023级硕士研究生燕顺在Information Fusion（中科院一区TOP期刊，IF：14.7‌）上以第一作者的身份发表题为“Multi-scale convolutional attention frequency-enhanced transformer network for medical image segmentation”的研究性论文，台州学院为唯一单位。

该论文针对解决传统Transformer局部特征提取不足以及细节信息缺失的缺点，提出了一种结合小波变换的多尺度卷积注意频率增强Transformer网络。旨在利用小波变换在不同尺度下同时保留图像的时频特征，有效捕捉高频信息，如纹理和边缘细节，以此提高图像分割的精度。

图1 多尺度卷积注意频率增强Transformer网络

图2 分组可分离聚合卷积模块（GSACM）和高效频率增强Transformer模块（EFTM）

该研究成果提出了可应用于疾病诊断、智能影像分析及智能医疗等医疗健康场景的新Transformer网络模型，得到国家自然科学基金“基于生成对抗网络的融合听觉和视觉信息的多模态人格识别研究项目”的支持。

论文链接：https://doi.org/10.1016/j.inffus.2025.103019