换一批摘要多器官分割在病理分析、手术方案制定以及临床诊断上都具有重要的应用价值.但是,一些器官形变较大、尺寸较小且组织边缘模糊,导致分割效果较差.为了解决该问题,提出了一种用于多器官分割的多尺度聚合网络(MSANet).MSANet有两个优势:首先,设计了多尺度边界提取模块,使用多尺度卷积核提取多个特征图,将不同尺度的特征图互相结合,从而聚合全局上下文信息,并提取不同器官的边界和细节信息;其次,设计了聚焦式注意力模块,通过学习的注意力权重来调节特征图的重要性,从而聚焦感兴趣的多器官区域并捕捉不同器官的关键特征,进一步提高分割性能.在两个公开数据集CHAOS和MS-CMRSeg上进行了大量实验.实验结果表明:MSANet在两个数据集上的分割效果均优于当前主流的多器官分割方法,显著提高了多器官分割精度.
更多相关知识
关键词
多器官分割多尺度聚合网络上下文信息注意力机制multi-organ segmentationmulti-scale aggregation networkcontext informationattention mechanism
栏目名称
DOI
10.3969/j.issn.1000-5811.2024.02.024
发布时间
2024-04-15（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（61861024）
国家自然科学基金（62271296）
国家自然科学基金（62201334）
甘肃省自然科学基金（21JR7RA282）
陕西省教育厅科研计划项目（23JP022）
陕西省教育厅科研计划项目（23JP014）
- 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
