基于边缘增强的交叉注意力医学影像分割方法OA北大核心CSTPCD
为了在复杂的腹部多器官MRI和CT医学影像中解决目标区域与背景的边缘误分割问题,提出一种以ResUNet网络为基架,包含二维分轴的交叉注意力机制和两阶段边缘增强模块的网络模型(REAUp-L)。第1阶段的边缘信息增强模块用于下采样阶段,以更好地提取边缘信息;第2阶段的不确定性概率边缘区域增强模块用于上采样阶段,以更好地保留边缘信息和降低噪声造成的误差;跳跃连接阶段使用一种二维分轴交叉注意力机制,以更好地捕获全局依赖关系。在腹部多器官数据集上进行的实验结果表明:该网络模型较基于UNet改进的3种主流网络模型在Dice和IoU评价指标中都有了一定的提升;边缘增强能有效提取医学影像的边缘信息,得到更加清晰的边缘曲线,有利于进一步提升分割性能。
陆秋;张云磊;邵铧泽;黄琳
桂林理工大学计算机科学与工程学院,广西桂林541006 桂林理工大学广西嵌入式技术与智能系统重点实验室,广西桂林541006桂林理工大学计算机科学与工程学院,广西桂林541006桂林理工大学计算机科学与工程学院,广西桂林541006桂林理工大学计算机科学与工程学院,广西桂林541006 桂林理工大学广西嵌入式技术与智能系统重点实验室,广西桂林541006
信息技术与安全科学
医学影像分割交叉注意力机制不确定性像素点概率机制
《桂林理工大学学报》 2025 (1)
P.111-119,9
国家自然科学基金地区基金项目(62266015)广西自然科学基金项目(2022GXNSFAA035644)。
评论