换一批摘要目的 探讨基于FA-UNet模型,在三维医学影像分割中结合全局位置注意力(Global Position Attention,GPA)模块和频域感知(Frequency Aware,FA)模块提升病变区域分割准确性的效果.方法 该文提出了FA-UNet模型,在原有UNet网络架构的基础上,在桥接层加入了GPA模块和FA模块.通过这种改进,模型能够有效地学习三维医学影像中的位置信息,且不会显著增加计算负担.实验使用三维CT胸腺病变数据集,并通过Dice系数等标准指标评估分割效果.结果 与传统UNet相比,FA-UNet在相同算力下获得了显著的性能提升,病变区域的Dice系数达到 86.16%,且提升效果为增加算力的 3.44 倍.结论 FA-UNet通过引入GPA模块和FA模块,能够在提高分割精度的同时优化计算效率,是一种有效的三维医学影像分割方法.
更多相关知识
关键词
医学影像分割胸腺病变FA-UNet注意力机制频域分析Medical Image SegmentationThymus LesionsFA-UNetAttention MechanismFrequency Domain Analysis
栏目名称
DOI
10.3969/j.issn.1674-1242.2025.04.005
发布时间
2025-09-23（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（82300122）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
