10.19678/j.issn.1000-3428.0066311
基于特征融合与注意力机制的脑肿瘤分割算法
脑肿瘤核磁共振成像(MRI)的准确分割对手术方案的制定和放疗计划具有重要意义.U-Net作为脑肿瘤分割领域应用最广泛的网络,具有较优的性能,但是存在跳跃连接中语义差距较大、MRI图像中跨通道信息利用不足的问题.为对脑肿瘤各区域进行准确分割,提出一种基于特征融合与注意力机制的改进U-Net模型FFCA-U-Net.在跳跃连接中设计特征融合模块代替U-Net中的直接拼接操作,以有效融合不同层次、不同尺度的特征信息,减小语义差距并调整感受野,增强网络对肿瘤特征的学习能力.在编码器中引入改进的三维坐标注意力机制,沿MRI图像的3个方向捕获跨通道信息,增强网络对脑肿瘤边界信息的感知能力,获得肿瘤子区域更精确的位置.此外,为快速获得肿瘤的相对位置、减少网络学习冗余,增加的掩码图像与MRI图像一起作为网络输入.在MSD数据集上的实验结果表明,FFCA-U-Net在增强肿瘤区域、非增强肿瘤区域和水肿区域的Dice系数分别为0.8034、0.6286和0.7993,平均Dice为0.7438,优于TransBTS、UNETR等其他先进网络.
脑肿瘤、U-Net模型、特征融合、三维坐标注意力机制、医学图像分割
49
TP391(计算技术、计算机技术)
广东省重点领域研发计划2020B0101130019
2023-10-20(万方平台首次上网日期,不代表论文的发表时间)
共8页
154-161