UConvTrans:全局和局部信息交互的双分支心脏图像分割 |
| |
引用本文: | 李擎,皇甫玉彬,李江昀,杨志方,陈鹏,王子涵.UConvTrans:全局和局部信息交互的双分支心脏图像分割[J].上海交通大学学报,2023(5):570-581. |
| |
作者姓名: | 李擎 皇甫玉彬 李江昀 杨志方 陈鹏 王子涵 |
| |
作者单位: | 1. 北京科技大学自动化学院;2. 北京科技大学工业过程知识自动化教育部重点实验室;3. 中国邮政储蓄银行金融科技创新部 |
| |
基金项目: | 国家自然科学基金(62173029)资助项目; |
| |
摘 要: | 心脏核磁共振成像(MRI)具有噪声多、背景和目标区域相似度高、右心室形状不固定、呈月牙形或扁圆形等特点,虽然基于卷积神经网络的U型结构在医学图像分割中表现出色,但由于卷积本身的局部运算特性,提取全局信息特征能力有限,所以很难提升在心脏MRI上的分割精度.针对上述问题,提出一种全局和局部信息交互的双分支网络模型(UConvTrans).首先,利用卷积分支和Transformer分支提取局部特征和建模全局上下文信息,能够保留细节信息并抑制心脏MRI中噪声和背景区域的干扰.其次,设计了融合卷积网络和Transformer结构的模块,该模块将二者提取的特征交互融合,增强了模型表达能力,改善了右心室的分割精度,而且避免了Transformer结构在大规模数据集上预训练,可以灵活调节网络结构.此外,UConvTrans能有效地平衡精度和效率,在MICCAI 2017 ACDC数据集上进行验证,该模型在模型参数量、计算量仅为U-Net的10%、8%的情况下,平均Dice系数比U-Net提高了1.13%.最终,在其官方测试集上实现了右心室92.42%、心肌91.64%、左心室95.06%的Dice系数...
|
关 键 词: | 医学图像分割 心脏核磁共振图像 卷积神经网络 Transformer模型 编码器-解码器 |
|
|