换一批融合膨胀卷积和残差混合注意力的前交叉韧带图像分割
Segmentation of anterior cruciate ligament images by fusing inflated convolution and residual hybrid attention
摘要针对膝关节前交叉韧带图像分割存在精度不高、分割边界距离相差较大的问题,本文提出一种融合膨胀卷积和残差混合注意力的U形网络(DRH-UNet)的前交叉韧带图像分割模型.该模型在U形网络(U-Net)的基础上融合膨胀卷积扩大感受野,能更好地理解图像的上下文关系,并在跳跃连接中设计了残差混合注意力模块,可强化关键区域重要特征表达并缩小语义差距,从而提升对前交叉韧带区域的表征能力.本文基于公开磁共振成像网络(MRNet)数据集,构建了已标注的前交叉韧带增强数据集,在此数据集上对本文方法进行验证.实验结果表明,本文提出的DRH-UNet模型在戴斯相似性系数(DSC)和豪斯多夫距离系数(HD)上达到了(88.01±1.57)％和5.16±0.85,优于其他的前交叉韧带分割方法.本文方法进一步提高了前交叉韧带的分割效果,为后续医生对前交叉韧带的诊断提供了有利的帮助.
更多相关知识
关键词
医学图像分割前交叉韧带混合注意力机制U型网络膨胀卷积Medical image segmentationAnterior cruciate ligamentHybrid attention mechanismU-NetDilated convolution
栏目名称
DOI
10.7507/1001-5515.202410042
发布时间
2025-05-20（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览5
- 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
