换一批基于多维度注意力和级联解码的脊柱图像分割
MACD-Net:Spine Image Segmentation Based on Multi-Dimensional Attention and Cascaded Decoding
摘要计算机断层扫描(CT)技术在脊柱疾病的诊断和治疗中至关重要.然而,脊柱CT图像中的脊柱结构复杂且边界不清晰,导致分割精度不佳.为了解决这些问题,本研究提出了一种基于多维度注意力和级联解码的脊柱图像分割网络(MACD-Net).首先,在编码器中加入多维度注意力模块,能够充分提取和融合多个维度上的特征,从而增强模型的表征能力;然后,在解码器部分,构建了一种级联细化解码结构,分别为两个解码器设计不同的分割任务,进而对编码特征依次解码,逐步细化分割边界,以保证细小特征的恢复;最后,在VerSe2019数据集(共包含160例CT图像)上进行了验证,DSC值在颈椎、胸椎和腰椎上分别达到了 91.94％、91.59％和72.69％,HD95值分别达到了 2.24、2.93、6.90 mm.与其他模型相比,所提出的模型取得了显著的分割效果.此外,在CTSpine1K数据集(随机选取300例CT图像)上进行的实验也进一步验证了模型的有效性.研究表明,MACD-Net能够实现精准的脊柱图像分割,从而辅助医生进行诊断和制定治疗方案.
更多相关知识
分类号
R318（医用一般科学）
栏目名称
DOI
10.3969/j.issn.0258-8021.2025.05.002
发布时间
2025-11-28（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（62071161）
浙江省教育厅科研项目（Y202455338）
- 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
