-
题名内容引导下多角度特征融合医学图像分割网络
- 1
-
-
作者
王芳
胡静
张睿
范文婷
-
机构
太原科技大学计算机科学与技术学院
-
出处
《计算机应用》
北大核心
2025年第9期3017-3025,共9页
-
基金
山西省自然科学基金资助项目(20210302123216)~。
-
文摘
针对当前医学图像分割领域缺乏使用传统图像分割算法引导卷积神经网络(CNN)进行分割的问题,提出内容引导下多角度特征融合医学图像分割网络(CGMAFF-Net)。首先,利用灰度图以及Otsu阈值分割图像通过基于Transformer的小微U型特征提取模块生成病变区域引导图,并使用自适应组合赋权(ACW)将它们赋权于原始医学图像以进行初始引导;其次,使用残差网络(ResNet)对赋权后的医学图像进行下采样特征提取,并使用多角度特征融合(MAFF)模块对1/16和1/8的特征图进行特征融合;最后,使用反向注意力(RA)上采样并逐步还原特征图的大小,从而实现对关键病变区域的预测。在CVC-ClinicDB、Kvasir-SEG和ISIC 2018数据集上的实验结果表明,与目前分割性能最好的多尺度空间反向注意力网络MSRAformer相比,CGMAFF-Net的平均交并比(mIoU)分别提升了0.97、0.78和0.11个百分点;与经典网络U-Net相比,CGMAFF-Net的mIoU则分别提升了2.66、8.94和1.69个百分点,充分验证了CGMAFF-Net的有效性与先进性。
-
关键词
医学图像分割
迁移学习
多角度特征融合
自适应组合赋权
TRANSFORMER
-
Keywords
medical image segmentation
transfer learning
multi-angle feature fusion
adaptive combination weighting
Transformer
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
