换一批基于多尺度卷积与并行反向注意力的医学图像分割
Medical image segmentation based on multi-scale convolution and parallel reverse attention
摘要提出一种基于多尺度卷积与并行反向注意力的医学图像分割网络(RPR-MLP).在编码器阶段,采用Res2net模块和标记化多层感知机模块作为骨干结构,以提取多尺度信息并增强语义特征的多样性.与此同时,通过并行的部分解码器提高解码器中提取语义信息的准确性.此外,反向注意力模块再次强调对重要区域的关注,进一步提高分割结果的精确性.本文提出的网络在Kvasir和ISIC 2018两个公共数据集上的Dice相似系数(DSC)分别为0.8967、0.8762,证明本文网络对医学图像分割的有效性,同时具有较强的泛化能力.将该方法应用于肺肿瘤CT图像LungCancer数据集,评价指标DSC、IoU和F1分别为0.7278、58.83％和67.85％,其结果与基准网络UNeXt和普通CNN网络U-Net、AttU-Net、U-Net++、PraNet相比,DSC、IoU和F1提升幅度分别为0.0301～0.0578、3.16％～4.70％和6.72％～18.53％,结果表明本文提出的网络性能明显优于对比方法.本研究证明RPR-MLP在不同数据集上的有效性和泛化能力,为肺肿瘤图像分割提供重要的技术支持.
更多相关知识
关键词
医学图像分割多尺度卷积多层感知机部分解码器反向注意力模块medical image segmentationmulti-scale convolutionmulti-layer perceptronpartial decoderreverse attention module
栏目名称
DOI
10.3969/j.issn.1005-202X.2025.01.005
发布时间
2025-03-21（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览10
- 被引1
- 下载3
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
