换一批摘要针对目前磁共振脑影像上的脑白质病变分割精度较低、小病灶易漏识的问题,提出一种结合多尺度信息与注意力机制的U-Net改进模型用于脑白质病变分割.首先,引入多尺度卷积模块以拓展网络宽度,提升特征捕获能力.其次,引入混合下采样模块,对粗、细两种粒度的下采样特征进行融合以减少下采样过程中的信息损失;同时,引入跨层融合模块,通过对跳跃连接两端的编、解码信息进行融合,降低对等层间的语义差异.最后,在编码阶段采用分散注意力模式,根据深、浅层的不同特点分别设计空间注意力模块和通道注意力模块,以增强网络对病灶区域的关注度.在MICCAI2017WMHs分割挑战赛提供的公开数据集上与同任务的其它文献算法进行对比,本文算法在召回率和相似系数的性能评估上均获得了有效提升,分别达到了 0.834和0.803,这表明本文算法是一种有效的脑白质病变自动分割算法.
更多相关知识
关键词
图像分割卷积神经网络脑白质病变多尺度信息融合注意力机制Image segmentationConvolutional neural networkBrain White Matter LesionsMulti-scale information fusionAttention mechanism
分类号
TP391
栏目名称
DOI
10.19304/J.ISSN1000-7180.2022.0746
发布时间
2023-11-02（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（61971424）
- 浏览0
- 被引1
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
