自从深度学习被引入到医学图像分割中，UNet及其变体在医学图像分析中得到了广泛的应用。为了提高医学超声图像的分割精度，该研究提出了一种多尺度通道注意机制的UNet (MSCA-UNet)。具体来说，构建了一个多尺度模块来连接和增强卷积提取的不同尺度的特征图。随后，设计了一种通道注意力机制，通过可学习深度可分离卷积压缩特征映射。最后，该研究探索了全局特征模块来建立多层次特征之间的依赖关系。在四种医学超声图像数据集上，对所提出的方法进行了全面评估，并与现有方法进行了比较。实验表明，该方法在四种医学超声图像数据集上的准确率优于SOTA方法。与UNet网络相比，我们的模型参数降低了29.82%。此外，视觉对比进一步证明了所提出的方法。
