近日，我院人工智能专业大四本科生曹天宇以第一作者身份在国际学术期刊《Journal of Computational Design and Engineering》发表研究论文 “SegRWKV: Fast and Accurate Biomedical Image Segmentation via a Receptance-Weighted Key-Value Network”。该研究由我院教师李睿恒老师指导完成。

高分辨率医学图像分割通常面临全局信息建模计算开销大、推理速度慢和显存占用高等问题。针对这一问题，该研究提出高效医学图像分割模型 SegRWKV。模型结合 CNN 与 Vision-RWKV，利用 CNN 提取局部细节，并通过 RWKV 的递归记忆与门控读取机制高效建模长距离依赖，在避免 Transformer 高开销 Attention 的同时实现全局信息交互。此外，模型引入 PixelRefinement 模块加强边界、小目标和细粒度结构的恢复，从而兼顾分割速度与精度。

实验结果表明，SegRWKV 在腹部 MRI、内窥镜和显微镜任务上分别达到 78.43% DSC / 85.23% NSD、71.08% DSC / 72.66% NSD 和 62.80% F1。与代表性的 CNN、Transformer、Mamba 和 RWKV-UNet 方法相比，其 DSC/F1 最高分别提升约 22%、58%、8% 和 27%；同时，在高分辨率输入下，推理速度最高提升约 4.8 倍，GPU 显存占用最高降低约 4.5 倍，实现了快速、准确且低显存的医学图像分割。

《Journal of Computational Design and Engineering》（JCDE）由 Oxford University Press出版，是计算设计、工程计算和人工智能等领域的重要国际期刊，中科院二区，‌JCR分区Q1，2026年影响因子为 6.7。（撰写：李睿恒 审核：田全喜）

原文信息

Cao, T., Ma, M., Zhang, H., Zhou, G., & Li, R. (2026). SegRWKV: Fast and accurate biomedical image segmentation via a receptance-weighted key-value network.Journal of Computational Design and Engineering, 13, 196–211.

DOI：10.1093/jcde/qwag065