10.16208/j.issn1000-7024.2022.08.023
基于注意力增强U-Net的脑卒中病灶分割
基于卷积神经网络的分割模型可以自主学习特征,精确快速分割病灶,为缺血性卒中临床救治提供客观高效的决策支持.针对现有研究由于复杂的算法流程和模型结构导致分割时间大量增加,以及U-Net缺乏对特征通道和空间信息的关注,不能很好地适应形态位置各异的病灶等问题,提出基于通道和空间注意力增强模块CSA的U-Net,利用一维卷积和膨胀卷积,分别获得高效的通道间依赖关系和感受野更广的空间注意力.在ISLES 2018数据集上进行验证,实验结果表明,CSA提升了U-Net的分割效果,分割性能优于其它几种U-Net的变体.
缺血性脑卒中病灶分割、医学图像分割、语义分割、U型网络、注意力机制
43
TP391(计算技术、计算机技术)
国家自然科学基金;川大自贡校地合作基金项目;华西医院135交叉学科创新基金项目;智能电网四川省重点实验室应急重点基金项目
2022-08-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
2268-2274