循环分层解耦卷积和最大滤波的三维脑肿瘤图像分割 |
| |
引用本文: | 李锵,李瑞璇,刘恒忻,关欣,Mohammed Jajere Adamu.循环分层解耦卷积和最大滤波的三维脑肿瘤图像分割[J].天津大学学报(自然科学与工程技术版),2024(3):223-233. |
| |
作者姓名: | 李锵 李瑞璇 刘恒忻 关欣 Mohammed Jajere Adamu |
| |
作者单位: | 天津大学微电子学院 |
| |
基金项目: | 国家自然科学基金资助项目(61872267,U21B2024);;超声医学工程国家重点实验室开放课题资助项目(2022KFKT004)~~; |
| |
摘 要: | 由于脑肿瘤的大小和形状呈不规则状态,从三维磁共振图像中自动分割脑肿瘤是一项具有挑战性的任务.而目前的方法存在两个问题:基于3D建模的方法参数量较大难以训练而且全局或远距离上、下文信息的关联性不足;模型忽略局部区域细节特征使得分割结果边界模糊.为解决上述问题,本文提出了循环分层解耦卷积和最大滤波(recurrent hierarchical-decoupled convolution and maximum filtering,RHMF)的轻量网络实现三维脑肿瘤图像分割.该网络在特征提取阶段提出循环分层解耦卷积取代标准卷积,减少参数利用多时域的反馈信息建立全局上、下文信息关联.引入改进的多尺度策略对不同尺度下的多层次特征进行提取融合,提高网络的目标识别能力.在定位阶段做局部域细节处理,提出了最大滤波模块激活目标区域像素实现特征图的像素级定位,增强目标区域像素与其他区域像素的区别,进一步细化分割,解决边界模糊问题.在BraTS2020数据集上的实验结果表明,RHMF-Net在增强肿瘤区、整体肿瘤区和核心肿瘤区的平均Dice系数值分别为77.23%、90.01%和83.10%,参数量为0.4...
|
关 键 词: | 脑肿瘤分割 循环卷积 轻量级 注意力机制 多尺度 |
|
|