换一批
换一批摘要目的 构建融合分区注意力的UNet(PA-UNet)模型,观察其分割MRI中的膝关节软骨的价值.方法 对来源于Osteoarthritis Initiative-Zuse Institute Berlin数据集的膝关节MRI进行切片及预处理,以UNet为骨干网络构建基于分区注意力机制的PA-UNet模型,通过主、客观评价比较该模型与其他模型分割股骨软骨及胫骨软骨的效果;分别以基于 UNet、基于 SE(第 2～4 层)的 UNet(UNet+SE)、+UNet、++UNet、+++UNet、+UNet+、++UNet++及 PA-UNet模型的消融实验观察各模型分割膝关节软骨的效果.结果 PA-UNet可准确分割低难度、中等难度及困难样本中的股骨及胫骨软骨,其分割细小结构效果优于SegNet、UNet及DeepLabv3+模型;其分割股骨软骨及胫骨软骨的戴斯相似系数(DSC)及交并比均高于、而豪斯多夫距离均低于UNet、DeepLabv3+、SA-UNet、RA UNet及SegNet模型.以PA-UNet模型分割股骨软骨及胫骨软骨的DSC分别为88.97％及82.72％,均高于UNet、UNet+SE、+UNet、++UNet、+++UNet、+UNet+及++UNet++模型.结论 PA-UNet可完整分割MRI中的膝关节软骨,尤其对细小结构的分割效果良好.
更多相关知识
关键词
膝关节软骨深度学习磁共振成像注意力机制knee jointcartilagedeep learningmagnetic resonance imagingattention mechanism
栏目名称
医学物理与工程学
DOI
10.13929/j.issn.1003-3289.2024.05.027
发布时间
2024-07-01
- 浏览13
- 被引0
- 下载2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
