融合多注意力机制的脊椎图像分割方法

摘要：

针对脊椎CT、MR图像分割模型分割性能不高的问题,基于U型网络提出了脊椎分割网络MAU-Net.首先引入坐标注意力模块,使网络准确捕获到空间位置信息,并嵌入到通道注意力中;然后提出基于Transformer的双支路通道交叉融合模块代替跳跃连接,进行多尺度特征融合;最后提出特征融合注意力模块,更好地融合Transformer与卷积解码器的语义差异.在脊柱侧凸CT数据集上,Dice达到0.929 6,IoU达到0.859 7.在公开MR数据集SpineSagT2Wdataset3上,与FCN相比,Dice提高14.46％.实验结果表明,MAU-Net能够有效减少椎骨误分割区域.

关键词：脊椎图像分割、U型网络、坐标注意力、双支路通道Transformer、Transformer-Convolution融合注意力

所属期刊栏目：40

分类号：TP391.4;TP183(计算技术、计算机技术)

资助基金：国家自然科学基金62063034

在线出版日期：2023-05-10（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：1256-1262