首页|Back UNet:基于自注意力机制与UNet的婴儿脑MRI分割

Back UNet:基于自注意力机制与UNet的婴儿脑MRI分割

扫码查看
原文链接
  • 万方数据
  • 维普
婴儿脑影像分割在神经发育研究和早期疾病诊断中扮演着关键角色.然而,此领域的研究面临婴儿脑组织间对比度低、婴儿脑影像尺寸较大等挑战,这些问题增加了自动化分割方法的研发难度.针对上述挑战,提出一种结合自注意力机制与UNet的新型深度学习方法.通过引入自注意力机制,所提出的模型能够更好地捕捉图像中不同组织间的特征信息,强化对全局信息的理解,从而更准确地区分不同脑组织.在公开的婴儿脑MRI数据集上进行的实验结果表明,所提出的方法在常用评价指标上显示出较现有技术更优的表现.

夏宗辉、庞宇

展开 >

长春金融高等专科学校计算机应用与数字媒体学院 吉林长春 130124

吉林化工学院理学院 吉林吉林 132022

婴儿脑分割 自注意力机制 UNet MRI

2024

10.3969/j.issn.1672-9528.2024.10.025

信息技术与信息化
山东电子学会

信息技术与信息化

影响因子：0.29
ISSN：1672-9528
年,卷(期)：2024.(10)