基于卷积融合和残差-注意力的脑卒中病灶分割

扫码查看

原文链接

国家科技期刊平台
NETL
NSTL
万方数据

中文摘要：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.

外文标题：Stroke lesion segmentation based on convolution fusion and residual-attention mechanism

作者：

张岩、李凤莲、张雪英、王夙喆、章洪涛

展开 >

作者单位：

太原理工大学信息与计算机学院,太原 030024

关键词：

脑卒中 UNet 卷积融合注意力

基金：

国家自然科学基金山西省自然科学基金面上项目太原理工大学校精品课程项目

项目编号：

621713072021030212241132021KC10

出版年：

2023

DOI：

10.3969/j.issn.1674-8425(z).2023.05.022

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

年,卷(期)：2023.37(10)

参考文献量7