-
题名基于特征融合与注意力机制的脑肿瘤分割算法
被引量：9
- 1
-
-
作者
褚张晴晴
钟志强
颜子夜
战荫伟
-
机构
广东工业大学计算机学院
广州柏视医疗科技有限公司临床研究部算法组
-
出处
《计算机工程》
CAS
CSCD
北大核心
2023年第10期154-161,共8页
-
基金
广东省重点领域研发计划(2020B0101130019)。
-
文摘
脑肿瘤核磁共振成像(MRI)的准确分割对手术方案的制定和放疗计划具有重要意义。U-Net作为脑肿瘤分割领域应用最广泛的网络,具有较优的性能,但是存在跳跃连接中语义差距较大、MRI图像中跨通道信息利用不足的问题。为对脑肿瘤各区域进行准确分割,提出一种基于特征融合与注意力机制的改进U-Net模型FFCA-U-Net。在跳跃连接中设计特征融合模块代替U-Net中的直接拼接操作,以有效融合不同层次、不同尺度的特征信息,减小语义差距并调整感受野,增强网络对肿瘤特征的学习能力。在编码器中引入改进的三维坐标注意力机制,沿MRI图像的3个方向捕获跨通道信息,增强网络对脑肿瘤边界信息的感知能力,获得肿瘤子区域更精确的位置。此外,为快速获得肿瘤的相对位置、减少网络学习冗余,增加的掩码图像与MRI图像一起作为网络输入。在MSD数据集上的实验结果表明,FFCA-U-Net在增强肿瘤区域、非增强肿瘤区域和水肿区域的Dice系数分别为0.803 4、0.628 6和0.799 3,平均Dice为0.743 8,优于TransBTS、UNETR等其他先进网络。
-
关键词
脑肿瘤
U-Net模型
特征融合
三维坐标注意力机制
医学图像分割
-
Keywords
brain tumor
U-Net model
Feature Fusion(FF)
three-dimensional Coordinate Attention(CA)mechanism
medical image segmentation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
