Eclipse调试多线程程序时无法到达断点

本文提出了一种集成多尺度注意力机制的UNet改进模型UNetWithAttention，用于提升医学图像分割性能。该模型在标准UNet架构基础上，设计了并行3×3、5×5、7×7卷积核的多尺度注意力模块，通过特征拼接和Sigmoid激活生成注意力权重，实现了对不同尺寸病变的自适应关注。模型采用分离式设计，将特征提取与特征选择解耦，在编码器-解码器各阶段嵌入注意力模块。实验表明，该方法在视网膜血管分割和肺结节检测任务中优于标准UNet，Dice系数和IOU分别提升2.6%和4.1%，同时保持计算效率。