首页|基于双注意力的肺癌半监督学习分割网络

基于双注意力的肺癌半监督学习分割网络

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
肺癌计算机断层扫描(computed tomography,CT)中对病灶的分割目前存在两个问题:一是病变区域的大小和形状差异大,二是标注数据量少.为了应对上述问题,提出一种用于肺癌分割的双注意力半监督学习 网络(dual attention semi-supervised learning network,SDA-Net).首先,在U-Net的编码阶段加入残差-密集块(residual-dense block,RDB)进行特征提取,尽可能多地保留浅层特征.其次,在编码阶段末端利用包含位置注意力和通道注意力的双注意力机制整合同一类别特征的语义相关性,增强目标的特征表达.最后,针对标注数据量少的问题,采用双路一致性半监督学习(semi-supervised learning,SSL)的方法,使得双注意力网络同时利用标注数据和未标注数据进行训练,大幅提高了网络分割的性能.测试结果表明,所提方法的Dice相似系数、杰卡德系数、灵敏度和精确度分别达到了 0.843 2、0.733 1、0.809 2和0.886 1,优于当前典型的分割算法.
Semi-supervised learning lung cancer segmentation network based on dual attention

王敏、周高希、王珣、解现金

展开 >

天津工业大学生命科学学院,天津300380

天津工业大学控制科学与工程学院,天津300380

中国石油大学 计算机科学与技术学院,山东 青岛266580

山东省立第三医院 呼吸内科,山东 济南250031

展开 >

CT成像 多尺度病灶 残差-密集块 双注意力 半监督学习

国家自然科学基金国家自然科学基金国家自然科学基金

619724166187328061873281

2023

10.16136/j.joel.2023.02.0261

光电子·激光
天津理工大学 中国光学学会

光电子·激光

CSCD北大核心
影响因子：1.437
ISSN：1005-0086
年,卷(期)：2023.34(2)
  • 4