换一批基于自注意力与多视角注意力的医学图像分割方法
Medical image segmentation method based on self-attention and multi-view attention
摘要当前医学图像分割模型大多以U型网络(U-Net)架构为基础进行构建,在捕捉图像全局信息与细节特征时存在一定局限性,为此本文设计了一种基于自注意力与多视角注意力的多视角U-Net网络(MUNet)模型,并提出了一种全新的多视角注意力模块,通过聚合来自不同视角的语义特征,增强图像的细节表达.同时,MUNet模型还可利用自注意力编码块提取图像的全局特征,通过全局与局部特征的融合提升模型的分割性能.实验结果表明,本文所提模型在冠状动脉血管图像分割任务中取得了优异的分割效果,显著优于现有模型.通过引入自注意力和多视角注意力机制,本文为医学图像分割领域提供了一种新的高效建模思路,有助于推动智能医学影像分析的发展.
更多相关知识
关键词
医学图像分割卷积神经网络自注意力多视角注意力变换器Medical image segmentationConvolutional neural networkSelf-attentionMulti-view attentionTransformer
栏目名称
DOI
10.7507/1001-5515.202408007
发布时间
2025-11-18（万方平台首次上网日期，不代表论文的发表时间）
- 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
