多尺度双重注意力网络医学图像分割模型

摘要：

卷积神经网络(CNN)模型已成为当前医学图像分割的主要研究手段.为进一步提升其分割精度,提出一种多尺度双重注意力网络(MDA-Net)架构.首先,为获得更多图像特征的感受野,在传统编码器基础上提出一种多尺度特征金字塔编码器模块,以提取丰富的特征信息;其次,提出多空洞残差双注意力模块以增强图像细节特征的表征能力;最后,利用不同大小的卷积核设计了自适应多尺度融合块以更好的捕捉特征上下文信息.将MDA-Net与U-Net、Attention U-Net、CE-Net、CS-Net及R2-UNet等先进的网络在脑部、肺部、纹理细胞等分割任务上进行比较测试,实验证明了方法的优越性能,其中脑部分割的相似性指数(MIOU)相较于U-Net,CS-Net分别提升0.24％、2.16％.此外,还通过在肺部数据集上进行的消融验证了每个组件的有效性.

关键词：医学图像分割、卷积神经网络、多尺度、金字塔、注意力机制

所属期刊栏目：41

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;贵州省科技基金黔科合重点和一般项目

在线出版日期：2022-09-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：65-71