重庆理工大学学报2023，Vol.37Issue(10) ：185-193.DOI:10.3969/j.issn.1674-8425(z).2023.05.022

基于卷积融合和残差-注意力的脑卒中病灶分割

Stroke lesion segmentation based on convolution fusion and residual-attention mechanism

张岩 李凤莲 张雪英 王夙喆 章洪涛
重庆理工大学学报2023，Vol.37Issue(10) ：185-193.DOI:10.3969/j.issn.1674-8425(z).2023.05.022
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

基于卷积融合和残差-注意力的脑卒中病灶分割

Stroke lesion segmentation based on convolution fusion and residual-attention mechanism

张岩 1李凤莲 1张雪英 1王夙喆 1章洪涛1
扫码查看

作者信息

  • 1. 太原理工大学 信息与计算机学院,太原 030024
  • 折叠

摘要

脑卒中MRI影像由于病灶区域小和正常组织边界模糊的特点导致分割难度大.为此提出一种优化的编解码结构网络.为使网络提取更加丰富的上下文信息,提出了双注意力卷积融合编码模块,在编码端收缩路径实现二维卷积和三维卷积的融合,并且从空间和通道2个维度建立特征的全局相关性.此外,提出残差-注意力门混合解码模块,更好地融合低层次和高层次特征,关注目标区域,从而提高小病灶边缘的分割细腻度.通过在开源数据集ATLAS的实验结果表明,该算法DSC指标达到了0.62,与UNet,D-UNet,3D-UNet以及attention-UNet等模型相比,有效提高了分割性能.

关键词

脑卒中/UNet/卷积融合/注意力

引用本文复制引用

基金项目

国家自然科学基金(62171307)

山西省自然科学基金面上项目(202103021224113)

太原理工大学校精品课程项目(2021KC10)

出版年

2023
重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
参考文献量7
段落导航相关论文