基于特征融合和动态多尺度空洞卷积的超声甲状腺分割网络

摘要：

针对甲状腺超声影像中甲状腺组织大小和形态的多样性以及周边组织的复杂性,提出了一种基于特征融合和动态多尺度空洞卷积的超声甲状腺分割网络.首先,利用不同膨胀率的空洞卷积和动态滤波器来融合不同感受野下的全局语义特征与不同范围的上下文详情的语义特征,从而提升网络对多尺度目标的适应性与准确度;然后,在特征降维时采用混合上采样方式,以增强高维语义特征的空间信息和低维空间特征的上下文信息;最后,采用空间注意力机制来优化图像的低维特征,并采用高低维特征融合的方式使高低维特征信息在保留重要特征的同时摒弃冗余信息以及使网络对于图像前背景的区分能力得到增强.实验结果表明,所提方法在甲状腺超声影像公开数据集上达到了0.963±0.026的准确率、0.84±0.03的召回率和0.79±0.03的dice系数.可见所提方法能较好地解决组织形态差异性大以及周边组织复杂的问题.

关键词：图像分割、注意力机制、空洞卷积、超声影像、特征融合

所属期刊栏目：41

分类号：TP183(自动化基础理论)

资助基金：山西省研究生教育创新项目2020SY381

在线出版日期：2021-03-25（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：891-897