融合空洞卷积与注意力的胃癌组织切片分割

摘要：

目的 病理组织切片检查是诊断胃癌的金标准,准确发现切片中的病变区域有助于及时确诊并开展后续治疗.然而,由于病理切片图像的复杂性、病变细胞与正常细胞形态差异过小等问题,传统的语义分割模型并不能达到理想的分割效果.基于此,本文提出了一种针对病理切片的语义分割方法ADEU-Net(attention-dilated-efficient U-Net++),提高胃癌区域分割的精度,实现端到端分割.方法 ADEU-Net使用经过迁移学习的EfficientNet作为编码器部分,增强图像特征提取能力.解码器采用了简化的U-Net++短连接方式,促进深浅层特征融合的同时减少网络参数量,并重新设计了其中的卷积模块提高梯度传递能力.中心模块使用空洞卷积对编码器输出结果进行多尺度的特征提取,增强模型对不同尺寸切片的鲁棒性.编码器与解码器的跳跃连接使用了注意力模块,以抑制背景信息的特征响应.结果 在2020年"华录杯"江苏大数据开发与应用大赛(简称"SEED"大赛)数据集中与其他经典方法比较,验证了一些经典模型在该分割任务中难以拟合的问题,同时实验得出修改特征提取方式对结果有较大提升,本文方法在分割准确度上比原始U-Net提高了18.96％.在SEED数据集与2017年中国大数据人工智能创新创业大赛(brain of things,BOT)数据集中进行了消融实验,验证了本文方法中各个模块均有助于提高病理切片的分割效果.在SEED数据集中,本文方法ADEU-Net比基准模型在Dice系数、准确度、敏感度和精确度上分别提升了5.17％、2.7％、3.69％、4.08％;在BOT数据集中,本文方法的4项指标分别提升了0.47％、0.06％、4.30％、6.08％.结论 提出的ADEU-Net提升了胃癌病理切片病灶点分割的精度,同时具有良好的泛化性能.

关键词：胃癌、病理组织切片、语义分割、深度卷积神经网络、注意力机制、多尺度特征融合

所属期刊栏目：26

分类号：TP391(计算技术、计算机技术)

资助基金：中国博士后科学基金项目;江苏省博士后科研资助计划;江苏高校优势学科建设工程项目

在线出版日期：2021-09-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：2281-2292