-
题名对抗样本嵌入注意力U型网络的3D医学图像分割
- 1
-
-
作者
许志雄
李波
边小勇
胡其仁
-
机构
武汉科技大学计算机科学与技术学院
武汉科技大学大数据科学与工程研究院
智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学)
-
出处
《计算机应用》
北大核心
2025年第9期3011-3016,共6页
-
基金
国家自然科学基金资助项目(61972299)。
-
文摘
计算机断层扫描(CT)和核磁共振成像(MRI)图像广泛应用于医学图像深度分割。然而,传统的分割方法受到肿瘤边界模糊及其结构复杂的影响,未能利用对抗样本提升分割模型的区分能力,使获得最好的分割效果面临挑战。针对以上问题,提出一种对抗样本嵌入注意力U型网络学习的3D医学图像分割模型。该模型使用对抗样本嵌入的注意力U型网络以通过样本变换构建对抗样本,并提取医学图像的肿瘤特征信息;引入低维度特征筛选和高维度特征融合模块,以提纯肿瘤可区分特征;使用基于交叉熵、Dice损失和对比损失的组合损失函数训练整个网络,从而得到富于判别性的分割模型。实验结果表明,所提方法在神经鞘膜瘤(NST)和自动心脏诊断挑战(ACDC)数据集上的Dice相似性系数(DSC)分别达到88.14%和91.75%,与非新的U-Net(nnU-Net)方法相比,分别提高了1.26和2.48个百分点。可见,所提方法有效提高了在肿瘤边界模糊时的3D医学图像分割性能。
-
关键词
医学图像分割
深度学习
注意力u型网络
对比学习
特征融合
-
Keywords
medical image segmentation
deep learning
attention u-Net
contrastive learning
feature fusion
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
