单图多病灶口腔图像的实例分割算法OA

针对口腔病灶多病种共存导致分割模型泛化性低,病变细节表征学习能力不足的问题,设计一种单图多病灶口腔图像的实例分割算法(R-Mask R-CNN)。构建可并行捕获有效信息的强化坐标注意力模块(RCA),以增强模型对病变位置及细节特征的学习能力;设计特征集合操作生成区域建议特征图,改善网络利用单一视图传播信息的局限性,增强模型的泛化能力;引入Boundary函数减弱口腔病灶数据不均衡对分割效果的影响。实验结果表明,在自建口腔病灶数据集上,R-Mask R-CNN模型精确率可以达到91.75%,优于在医学分割领域表现良好的CA-Net算法,研究结果可为自动化口腔病灶诊断的临床应用提供参考。