-
题名坐标增强与多源采样的脑肿瘤图像分割
- 1
-
-
作者
蒋占军
李洋
廉敬
苗新法
-
机构
兰州交通大学电子与信息工程学院
-
出处
《计算机应用》
北大核心
2025年第3期996-1002,共7页
-
基金
国家自然科学基金资助项目(62061023)
甘肃省杰出青年基金资助项目(21JR7RA345)。
-
文摘
针对脑肿瘤图像分割模型对肿瘤区域关注度不够及易丢失空间上下文信息,导致对肿瘤区域分割效果不佳的问题,提出一种融合坐标增强学习机制(CEL)与多源采样的TransUNet脑肿瘤分割网络。首先,提出一种CEL,结合ResNetv2作为模型的浅层特征提取网络,增加对脑肿瘤区域的关注度;其次,设计深层混合采样特征提取器,并利用可变形注意力与自注意力机制对脑肿瘤的全局与局部信息进行多源采样;最后,在编码器与解码器之间设计交互层级融合(ILF)模块,从而在实现深层与浅层特征信息交互的同时减少参数的计算量。在BraTS2018和BraTS2019数据集上的实验结果表明:相较于基准TransUNet,所提模型的平均相似性系数(mDice)、平均交并比(mIoU)、平均精度均值(mAP)和平均召回率(mRecall)分别提高4.84、7.21、3.83和3.15个百分点,模型大小降低了16.9 MB。
-
关键词
图像分割
多模态信息
坐标增强学习机制
混合采样
交互层级融合模块
-
Keywords
image segmentation
multi-modal information
Coordinate Enhanced Learning mechanism(CEL)
blended sampling
Interactive Level Fusion(ILF)module
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
R445.2
[医药卫生—影像医学与核医学]
-
