首页|基于多模态融合的2D MR脑肿瘤图像分割算法研究

基于多模态融合的2D MR脑肿瘤图像分割算法研究

扫码查看
原文链接
  • 万方数据
  • 维普
针对不同模态MR脑肿瘤图像呈现的肿瘤状态差异以及卷积神经网络(convolutional neural networks,CNNs)提取特征局限性的问题,提出了一种基于多模态融合的MR脑肿瘤图像分割方法.分割模型以U-net网络为原型,创新一种多模态图像融合方式以加强特征提取能力,同时引入通道交叉注意力机制(channel cross transformer,CCT)代替U-net中的跳跃连接结构,进一步弥补深浅层次的特征差距与空间依赖性,有效融合多尺度特征,加强对肿瘤的分割能力.实验在BraTS数据集上进行了多目标分割结果验证,通过定量分析对比前沿网络分割结果,表明该方法确有良好的分割性能,其分割出三种肿瘤区域的Dice系数分别达到80％、74％、71％.
Research on 2D MR brain tumor image segmentation algorithm based on multimodal fusion

brain tumor segmentationU-netmultimodal fusionchannel cross transformer(CCT)

李楠、张宏立

展开 >

新疆大学电气工程学院,新疆乌鲁木齐830004

脑肿瘤分割 U-net网络 多模态融合 通道交叉注意力机制

国家自然科学基金

62162058

2023

10.16136/j.joel.2023.08.0379

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(8)
  • 1