基于多尺度特征和反向注意力的肝脏肿瘤自动分割方法 |
| |
引用本文: | 张瑞,唐乔湛,李斯卉,宋江玲.基于多尺度特征和反向注意力的肝脏肿瘤自动分割方法[J].西北大学学报,2023(6):964-973. |
| |
作者姓名: | 张瑞 唐乔湛 李斯卉 宋江玲 |
| |
作者单位: | 西北大学医学大数据研究中心 |
| |
基金项目: | 国家自然科学基金(12071369,62006189);;陕西省自然科学基金(2021JQ-430,2023-JC-QN-0028);;中国博士后科学基金(2022M722580); |
| |
摘 要: | 肝脏肿瘤分割旨在定位肝脏肿瘤区域,以辅助医生进行精准诊治。鉴于深度学习能自动学习医学图像中复杂的特征和结构,已成为肝脏肿瘤分割的主流方法之一。但肝脏肿瘤的大小、形态存在显著差异及边缘模糊等问题,限制了深度学习模型的分割性能。基于此,该文提出了一种融合多尺度特征和反向注意力机制的深度网络,并用于肝脏肿瘤的自动分割。具体地,基于U-Net模型的框架,分别设计了多尺度特征提取模块和基于深度监督的反向注意力模块,使得网络能根据分割目标的大小自适应地选择不同尺度的特征,并引导网络关注分割目标的边缘特征,进而提高网络的边缘分割能力。此外,设计了一种新的混合损失,以解决医学图像分割中的类别不平衡问题。最后,在MICCAI2017 LiTS挑战赛数据集的数值实验结果表明,所提方法的Dice系数、平均对称表面距离ASSD分别为76.12%和3.25 mm。
|
关 键 词: | 肝脏肿瘤分割 多尺度特征提取 反向注意力 |
|
|