基于改进U-Net的人脑黑质致密部分割

作     者：曹加旺 田维维 刘学玲 李郁欣 冯瑞 CAO Jiawang;TIAN Weiwei;LIU Xueling;LI Yuxin;FENG Rui

作者机构：复旦大学工程与应用技术研究院上海200433 复旦大学附属华山医院放射科上海200433 

基　　金：上海市科委项目“大规模跨模态序列数据的可解释互生成关键技术研究”(20511100800) 

出 版 物：《计算机工程》 (Computer Engineering)

年 卷 期：2022年第48卷第11期

页      码：14-21,29页

摘      要：人脑黑质致密部分割能够为帕金森病的诊断提供一定依据。黑质致密部在人脑核磁共振成像中像素占比低、类间差异小,为提高计算机辅助诊断系统对人脑黑质致密部的分割精度,提出一种基于改进U形神经网络(U-Net)的人脑黑质致密部分割方法。为了提取更多有效的多尺度图像语义特征,结合U-Net的跨连接结构并采用多头注意力机制,同时融合基于Transformer编码器的高维语义编码模块以提取高维语义特征,避免浅层噪声对特征造成的影响。建立多任务模型并设计基于二维高斯核权重掩膜的损失函数,解决神经网络分割模型因多次下采样造成的不连续分割误差问题。构建包括140个帕金森病患者以及48个健康对照者的高精度核磁共振脑成像数据集进行实验,结果表明,相较常用的医疗影像分割方法 R2U-Net、HANet等,该方法的多任务分割效果取得明显提升,戴斯相关系数和AUC指标分别达到0.869 1和0.943 9,消融实验结果也验证了改进编码器和改进损失这2个模块的有效性。

主 题 词：图像分割 帕金森病 黑质致密部 U形神经网络 Transformer模块 多任务学习 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.19678/j.issn.1000-3428.0063273

馆 藏 号：203115467...