10.16652/j.issn.1004-373x.2023.05.016
融合金字塔卷积的U-Net肝脏与肝肿瘤分割网络
U-Net自诞生以来就在医学分割领域十分热门,尽管原生的U-Net在医学图像分割任务上已经有着非常不错的表现,但是在肝脏肝肿瘤分割任务上仍然有着改进空间.首先肝脏肝肿瘤分割任务中每张CT切片的肝脏和肝肿瘤的大小不一、形状各异,所以需要提取多尺度信息,而U-Net网络所有进行卷积操作的卷积核尺寸都是一样的,因此将金字塔卷积模块替换了传统卷积,以此达到提取多尺度信息的目的.由于有些切片中肝脏肝肿瘤和背景相比样本数量少得多,为此将交叉熵损失函数与Dice损失函数相结合来解决样本数量不平衡带来的问题.U-Net使用下采样操作,因此保证下采样时能保留更多有用的上下文信息至关重要,为此引入了CBAM注意力模块,它同时具备空间注意力和通道注意力.通过在LiTS2017数据集上的大量实验证明了提出模型的有效性.
医学图像分割、肝脏分割、肝肿瘤分割、U-Net、特征提取、CBAM注意力、实验分析
46
TN911.7-34
2023-03-09(万方平台首次上网日期,不代表论文的发表时间)
共4页
85-88