基于U-Net改进模型的多模态脑肿瘤分割方法

扫码查看

原文链接

万方数据
维普

中文摘要：诊断脑肿瘤时,如果能从多种模态的核磁共振成像(MRI)图像中精准分割出脑肿瘤区域,将有助于医生快速和准确的诊断.针对分割脑肿瘤时出现的边界分割不精准问题,该文提出了一种基于U-Net改进模型的脑肿瘤分割方法.该方法将U-Net每级编码器的特征图保留,来捕获分割目标的边界细节信息,进而对保留的特征图采用自注意力模块计算通道级别注意力,加强分割目标的边界空间信息提取,最后使用尺度融合模块统一特征图的尺度和通道数,来融合分割目标的边界信息,作为解码器的输入,从而提高分割性能.该方法在BRATS2017数据集上进行训练和测试,在Dice、SE、SP三个评估指标的参考下,通过消融实验证明了融合多尺度模块和自注意力机制的有效性,并与U-Net、ResUNet、SGNet、RelayNet四种网络模型进行对比实验,表明由于融合了分割目标边界的细节和空间信息,该模型得到的分割区域更加接近真实脑肿瘤区域.

外文标题：Multi-model Brain Tumor Segmentation Method Based on Improved U-Net Model

作者：

黄莉、何美玲

展开 >

作者单位：

武汉科技大学计算机科学与技术学院,湖北武汉 430065

湖北省智能信息处理与实时工业系统重点实验室,湖北武汉 430065

关键词：

脑肿瘤 U-Net 卷积神经网络图像分割多尺度策略自注意力机制

基金：

国家自然科学基金湖北省教育厅科研项目

项目编号：

51575407B2019008

出版年：

2022

DOI：

10.3969/j.issn.1673-629X.2022.11.009

计算机技术与发展

陕西省计算机学会

计算机技术与发展

CSTPCD

影响因子：0.621

ISSN：1673-629X

年,卷(期)：2022.32(11)

参考文献量6