换一批基于改进U-Net融合注意力机制的脑白质病变分割
Brain white matter lesion segmentation using an enhanced U-Net integrated with attention mechanisms
摘要脑白质病变分割方法因存在小病灶漏检率高、难以兼顾全局与局部特征的问题,导致分割精度受限.提出一种基于改进U-Net融合注意力机制的模型用于脑白质病变分割.首先,选取深度为15层的U-Net作为骨干网络;在编码阶段嵌入多尺度特征校准模块,利用其双分支结构同步捕获局部细节与全局上下文信息;其次,设计多步特征增强模块实现跨层特征融合,增强对微小病灶的感知能力;然后,设计跨层特征集成模块通过构建不同深度的特征提取路径,实现对编码器各层级特征图的精细化处理与多尺度特征融合;最后,设计边界召回损失函数,通过Sobel梯度对齐机制提升边界分割精度.在2017 WMH分割挑战赛数据集与武汉同济医院脑白质数据集上的实验结果显示,该模型的Dice相似系数分别达到0.831 8和0.854 5,召回率分别达到0.854 7和0.885 1.这表明该研究可以有效且精准地分割脑白质病变图像.
更多相关知识
关键词
图像分割脑白质病变多尺度特征校准注意力机制image segmentationbrain white matter lesionmulti-scale feature calibrationattention mechanism
分类号
R318（医用一般科学）
栏目名称
DOI
10.3969/j.issn.1005-202X.2026.05.006
发布时间
2026-06-08（万方平台首次上网日期，不代表论文的发表时间）
基金项目
甘肃省重点研发计划（20YF8FA080）
甘肃中医药大学研究生创新创业基金项目（2025CXCY-050）
- 浏览1
- 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
