基于双路径网络和注意力机制的胰腺图像分割

摘要：

针对胰腺CT图像因类别不平衡、背景分散和非刚性几何特征的特性而分割精度不高的问题,提出一种基于Unet网络,采用改进的双路径网络和通道域注意力机制的图像分割模型.首先采用空洞卷积(DilatedConv)代替传统卷积优化双路径网络,扩大感受野,让每个卷积输出都包含较大范围的信息;再将双路径网络的编码器结构引入Unet网络,加强特征的重复利用和新特征的不断探索,获取更多图像细节信息;在此改进网络基础上引入通道域注意力机制,聚焦分割重要部位,提高分割准确率.实验数据表明,设计的网络最高Dice相似系数(DSC)达到了89.81％,最低DSC为72.33％,平均DSC为(85.82±4.73)％.结果表明该模型具有较高的准确率,准确分割胰腺是计算机辅助诊断的重要前提,其研究意义重大.

关键词：图像处理、胰腺CT图像、空洞卷积、Unet网络、双路径网络、通道域注意力机制、计算机辅助诊断

所属期刊栏目：45

分类号：TN911.73-34;TP391.4

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;内蒙古自治区科技计划项目;内蒙古自治区自然科学基金项目;内蒙古自治区自然科学基金项目;内蒙古自治区高等学校科学研究项目;内蒙古自治区高等学校科学研究项目;教育部春晖计划

在线出版日期：2022-04-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：47-52