首页|基于注意力机制的U-Net网络模型分割X线图像椎弓根影

基于注意力机制的U-Net网络模型分割X线图像椎弓根影

U-NET NETWORK MODEL BASED ON ATTENTION MECHANISM FOR SEGMENTING PEDICLES OF VERTEBRAL ARCH IN RADIOGRAPHS

扫码查看
原文链接
  • 万方数据
  • 维普
脊椎X线图像中椎弓根影面积小且对比度不高,现有的X线图像椎弓根影的分割方法存在精度较低且效率不高的问题,对此提出一种端到端的基于注意力机制的U-Net神经网络的脊椎X线图像椎弓根影的分割方法.在原始U-Net网络中嵌入通道注意力模块和注意力门模块,既提高了网络对目标区域提取的准确性又解决了模型跳跃连接的冗余问题,从而实现高精度全自动的X线图像椎弓根影分割.实验结果表明,采用改进后的U-Net网络模型分割X线图像椎弓根影平均准确率为99.13％,平均Dice系数为89.01％,平均精确度为88.75％,平均召回率为89.80％,平均Hausdorff距离为3.8316像素,优于现有的自动化分割方法.

顾霄莹、张俊华、王嘉庆

展开 >

云南大学信息学院 云南 昆明 650500

X线图像 椎弓根 注意力机制 U-Net网络

2022

10.3969/j.issn.1000-386x.2022.11.033

计算机应用与软件
上海市计算技术研究所 上海计算机软件技术开发中心

计算机应用与软件

CSTPCD北大核心
影响因子：0.615
ISSN：1000-386X
年,卷(期)：2022.39(11)
  • 2