一种基于TransUnet的臂丛神经超声图像分割网络

摘要：

在医疗图像分割领域中,以臂丛神经(Brachial Plexus,BP)超声图像为例的部分超声图像中存在对比度低、边缘模糊和噪声多等问题,使得对目标区域的准确分割十分困难.为此,基于 TransUnet 网络框架将 Transformer 模块引入U-Net网络编码端,利用其自注意力机制更好地捕捉图像中的全局特征,提高模型的特征提取能力;同时将空洞卷积应用到网络的跳跃连接来增大感受野,降低特征图中的噪声影响,为解码端提供更显著的特征.实验表明,与传统的U-Net、SegNet以及基于Transformer的MedT(Medical Transformer)相比,设计的网络模型具有更高的 Dice 系数和IoU值,Dice系数较前三者最高提升了 13.2%.

关键词：医学图像分割、U-Net、Transformer、空洞卷积

所属期刊栏目：49

分类号：TN919.81

在线出版日期：2023-08-15（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：597-603