自适应特征重组再校准的肝脏血管分割算法

摘要：

肝脏血管的精确分割对肝脏外科术前规划有重要意义,然而肝脏中的血管树复杂且高度交织,精确地分割肝脏血管一直是一项具有挑战性的任务.传统的3D-UNet模型由于采样层过多,会使得肝脏血管的细节信息在网络的传播过程中丢失,单纯减少采样层使得模型表达能力下降.以3D-UNet为基础,在网络中加入重组再校准模型,加强通道与空间中细节信息的传播,抑制相关性低的信息;在模型中加入注意力机制,对特征图进行整体约束,使模型关注区域集中在血管处;最后调整采样层,保证多尺度语义信息的同时,防止过多采样层带来的细节信息丢失.改进后的模型的Dice Score、Sensitivity评价指标的最优结果分别为64.8％、73.15％.实验结果表明,改进后的模型比MPUNet、UMCT、nnU-Net、C2FNAS-Panc在肝脏血管分割上的效果都要好.

关键词：图像处理、血管分割、深度学习、采样层

所属期刊栏目：59

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;江苏省自然科学基金;江苏省高校青蓝工程项目

在线出版日期：2022-11-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：400-409