基于U-net改进的臂丛神经超声图像分割方法

摘要：

臂丛神经阻滞麻醉是外科手术中常用的麻醉方法之一,其关键的步骤是识别臂丛神经结构,超声因无创、实时的特点已成为识别神经结构的重要手段,由于臂丛神经超声图像中含有大量噪声且对比度低,传统的分割方法很难达到理想的分割效果.因此,提出了一种基于U-net网络模型改进的臂丛神经超声图像分割方法.首先,在编码器部分引入了高效通道注意力网络(ECA-Net),以抑制无关信息并且增加对分割目标的权重;然后,在跳跃连接部分加入了不同膨胀率的空洞卷积,以融合神经结构的多尺度信息,解决神经结构形态不一的问题;最后,为了验证笔者模型的有效性,在Kaggle超声神经分割竞赛数据集上进行评估.实验结果表明:笔者模型在Dice相似系数和交并比(IoU)上分别达到了 0.724 6和0.641 3,相较于Segnet,U-net和U-net++网络模型具有更优的分割效果.

关键词：图像分割、臂丛神经、U-net、注意力机制、空洞卷积

所属期刊栏目：52

分类号：TP391.4;R445.1(计算技术、计算机技术)

资助基金：北京青年拔尖人才培育计划项目CIT&TCD201704052

在线出版日期：2024-01-30（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：52-57,67