首页|基于RHA-UNet的子宫肌瘤MRI图像分割

基于RHA-UNet的子宫肌瘤MRI图像分割

扫码查看
原文链接
  • 万方数据
  • 维普
本研究提出一种结合残差块和注意力机制的U型网络,以实现医疗图像中子宫肌瘤的自动分割,为子宫肌瘤的精准治疗提供重要帮助.在网络的编码器部分使用了ResNet和通道注意力机制增强特征提取的能力,并在每个残差块后添加了SE模块和通道注意力.在网络的最底层,联合使用了多重空洞卷积和混合注意力模块,以学习如何利用全局信息选择性地强调信息性特征.与Attention UNet等其他深度学习方法相比,该模型更加准确和稳定.在各项评价指标上均有良好的表现,平均召回率、平均Dice,分别达到了 91.02%、92.47%.这项工作提出了一种结合注意力机制的U形网络结构,用来在MR图像上分割子宫肌瘤.结果表明,本方法能够实现子宫肌瘤的自动化分割,并在多种评价指标上较其他现有方法有一定提升.

于海、李黎明、林楚岚、张秋实、李海燕、郭蕾、郑杰

展开 >

广东工业大学 生物医药学院,广州 510006

广东省第二人民医院 妇科,广州 510317

暨南大学 医学部,广州 510630

医学图像分割 深度学习 残差模块 子宫肌瘤 注意力机制

2024

10.16453/j.2096-5036.202434

人工智能

人工智能

ISSN：2096-5036
年,卷(期)：2024.(4)