换一批基于多头自注意力机制与U-Net的脑卒中DWI图像梗死病灶分割方法研究
Infarction lesion segmentation method for stroke DWI images based on multi-head self-attention mechanism and U-Net
摘要目的:为解决脑卒中弥散加权成像(diffusion weighted imaging,DWI)图像中梗死病灶边界模糊、病灶区域小、分割难度大的问题,提出一种基于多头自注意力机制(multi-head self-attention,MHSA)与U-Net的分割方法.方法:以U-Net作为基础分割模型,在其编码器最后一次卷积操作后加入MHSA模块,建立MHSA-UNet分割模型.为了验证MHSA-UNet分割模型的有效性,在自建的数据集上进行训练和验证,并与U-Net模型、Attention U-Net模型对脑卒中DWI图像中梗死病灶的分割效果进行比较.结果:MHSA-UNet分割模型的Dice相似系数、交并比、95％豪斯多夫距离分别为0.790、0.571、9.982,在总体上优于U-Net模型、Attention U-Net模型.结论:提出的方法能有效分割脑卒中DWI图像中梗死病灶,可以辅助临床医生进行疾病诊断.
更多相关知识
关键词
多头自注意力机制U-Net脑卒中缺血性脑卒中梗死病灶DWI图像病灶分割multi-head self-attention mechanismU-Netstrokeischemic strokeinfarction lesiondiffusion weighted imaging imagelesion segmentation
分类号
R318（医用一般科学）
栏目名称
DOI
10.19745/j.1003-8868.2024228
发布时间
2024-12-30（万方平台首次上网日期，不代表论文的发表时间）
- 浏览13
- 被引0
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
