用于肺部肿瘤图像分割的跨模态多编码混合注意力U-Net

周涛 ZHOU Tao、董雅丽 DONG Yali、刘珊 LIU Shan、陆惠玲 LU Huiling、马宗军 MA Zongjun、侯森宝 HOU Senbao、邱实 QIU Shi

2022ACTA PHOTONICA SINICAMedicine被引 7开放获取

摘要

&nbsp;\n\n针对医学图像的肺部肿瘤分割中病灶和周围组织的对比度低、边缘模糊、肿瘤和正常组织粘连、病灶和背景分布不均衡等问题，提出跨模态多编码混合注意力机制模型分割肺部病灶，用多种模态医学图像辅助分割病灶。首先设计了三编码器提取多模态医学图像的病灶特征，解决单模态医学影像的病灶特征提取能力不足的问题；然后针对网络通道维度冗余和对复杂病灶的空间感知能力不高的问题，在网络跳跃连接中加入混合注意力机制；最后对网络解码路径不同的尺度特征使用多尺度特征聚合块充分利用各个尺度特征。在临床多模态医学图像数据集上验证算法的有效性，对比实验结果表明所提模型对于肺部病灶分割的戴斯相似系数、召回率、体积重叠误差和相对体积差异分别为96.4%、97.27%、93.0%、93.06%。对于病灶形状复杂，病灶和正常组织粘连的情况，分割精度得到有效提升。&nbsp;

引用本文（GB/T 7714）

周涛 ZHOU Tao, 董雅丽 DONG Yali, 刘珊 LIU Shan, 等. 用于肺部肿瘤图像分割的跨模态多编码混合注意力U-Net[J]. ACTA PHOTONICA SINICA, 2022.

引文网络

参考文献与被引分析加载中…

DOI：https://doi.org/10.3788/gzxb20225104.0410006

本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。