首页 | 本学科首页   官方微博 | 高级检索  
     检索      

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
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号