基于改进U?Net的人脑黑质致密部分割

摘要：

人脑黑质致密部分割能够为帕金森病的诊断提供一定依据.黑质致密部在人脑核磁共振成像中像素占比低、类间差异小,为提高计算机辅助诊断系统对人脑黑质致密部的分割精度,提出一种基于改进U形神经网络(U-Net)的人脑黑质致密部分割方法.为了提取更多有效的多尺度图像语义特征,结合U-Net的跨连接结构并采用多头注意力机制,同时融合基于Transformer编码器的高维语义编码模块以提取高维语义特征,避免浅层噪声对特征造成的影响.建立多任务模型并设计基于二维高斯核权重掩膜的损失函数,解决神经网络分割模型因多次下采样造成的不连续分割误差问题.构建包括140个帕金森病患者以及48个健康对照者的高精度核磁共振脑成像数据集进行实验,结果表明,相较常用的医疗影像分割方法R2U-Net、HANet等,该方法的多任务分割效果取得明显提升,戴斯相关系数和AUC指标分别达到0.8691和0.9439,消融实验结果也验证了改进编码器和改进损失这2个模块的有效性.

关键词：图像分割、帕金森病、黑质致密部、U形神经网络、Transformer模块、多任务学习

所属期刊栏目：48

分类号：TP391(计算技术、计算机技术)

资助基金：上海市科委项目20511100800

在线出版日期：2022-11-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：14-21,29