| 基于感受野扩增和注意力机制的U-Net脑肿瘤MR图像分割 |
| |
| 引用本文： | 郑伟,赵金芳,张奕婧,刘帅奇,张晓丹,马泽鹏. 基于感受野扩增和注意力机制的U-Net脑肿瘤MR图像分割[J]. 河北大学学报(自然科学版), 2022, 42(5): 542. DOI: 10.3969/j.issn.1000-1565.2022.05.013 |
| |
| 作者姓名： | 郑伟 赵金芳 张奕婧 刘帅奇 张晓丹 马泽鹏 |
| |
| 作者单位： | 河北大学电子信息工程学院,河北保定 071002;河北大学附属医院超声诊断科,河北保定 071000 |
| |
| 基金项目： | 河北省自然科学基金资助项目(F2020201025;H2020201021);河北省高等学校科学技术研究项目(BJ2020030) |
| |
| 摘 要： | 针对U-Net网络感受野受限以及信息丢失导致的分割精度低的问题,提出了一种基于感受野扩增和注意力机制的U-Net脑肿瘤MR图像分割算法.首先,在U-Net网络中引入感受野模块(receptive field block,RFB)来增大网络的感受野,解决了网络由于感受野受限带来的分割精度低的问题.此外在网络中引入有效的通道注意模块(efficient channel attention,ECA)来增加网络对有用特征的响应,抑制网络中的冗余特征.使用BraTS(the brain tumor image segmentation challenge)提供的脑肿瘤MR图像数据对本文算法进行测试,用Dice相似性系数等指标进行评价,结果显示在完整肿瘤、核心肿瘤以及增强肿瘤的Dice值分别可达到0.86、0.86、0.79.与U-Net模型以及其他的网络相比得到了提高.实验结果表明,本文提出的算法能够有效提升脑肿瘤分割的精度,具有良好的分割性能.
|
| 关 键 词： | 脑肿瘤分割 U-Net RFB 注意力机制 |
| 收稿时间： | 2021-06-11 |
Segmentation algorithm of brain tumor MR images based on receptor field amplification and attentional mechanism |
| |
| ZHENG Wei,ZHAO Jinfang,ZHANG Yijing,LIU Shuaiqi,ZHANG Xiaodan,MA Zepeng. Segmentation algorithm of brain tumor MR images based on receptor field amplification and attentional mechanism[J]. Journal of Hebei University (Natural Science Edition), 2022, 42(5): 542. DOI: 10.3969/j.issn.1000-1565.2022.05.013 |
| |
| Authors: | ZHENG Wei ZHAO Jinfang ZHANG Yijing LIU Shuaiqi ZHANG Xiaodan MA Zepeng |
| |
| Affiliation: | 1. College of Electronic and Information Engineering, Hebei University, Baoding 071002, China; 2. Department of Ultrasonography, Affilicated Hospital of Hebei University, Baoding 071000, China |
| |
| Abstract: | |
| |
| Keywords: | brain tumor segmentation U-Net RFB attentional mechanism |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《河北大学学报(自然科学版)》浏览原始摘要信息 |
|
点击此处可从《河北大学学报(自然科学版)》下载全文 |
|
