| 一种基于局部与全局表征交叉耦合的脑卒中病灶分割网络模型 |
| |
| 引用本文： | 倪波,柯亨进,刘志远.一种基于局部与全局表征交叉耦合的脑卒中病灶分割网络模型[J].中南民族大学学报(自然科学版),2023(6):828-838. |
| |
| 作者姓名： | 倪波 柯亨进 刘志远 |
| |
| 作者单位： | 湖北理工学院计算机学院&黄石市类脑计算与神经科学重点实验室 |
| |
| 基金项目： | 湖北省自然科学基金资助项目（2022CFB524）； |
| |
| 摘 要： | 由于脑卒中严重程度不同，病灶位置、形状和面积有较大差异，导致目前基于深度学习的分割方法仍还不够理想.针对脑卒中病灶特征，提出了一种新的U型分割网络，该网络的编码器是一个结合Transformer和卷积网络的双分支混合架构，该结构特点是在构建图像层次化特征过程中将基于Transformer的全局特征和基于卷积网络的局部特征进行交叉学习，促进编码器在训练和推理过程中将两种风格的特征相互增强.此外，为了增强小目标、弱边缘的特征表达，构建了合并模块将编码器得到的两种风格的层次化特征进行融合，并将融合后特征输送到一个级联的上采样器中预测病灶区域，以及设计了一个结合Dice函数和Focal函数的损失函数用以缓解小病灶区域造成的前景与背景数据之间的数据不平衡问题.所提出的方法在一个开源脑卒中数据集进行了验证，与其他相关方法相比，所提出的方法在分割精度、效率等方面均表现出较好的性能.
|
| 关 键 词： | 脑卒中病灶分割 卷积神经网络 自注意力模型 U型网络 |
|
