基于特征融合与注意力机制的脑肿瘤分割算法

作     者：褚张晴晴 钟志强 颜子夜 战荫伟 CHU Zhangqingqing;ZHONG Zhiqiang;YAN Ziye;ZHAN Yinwei

作者机构：广东工业大学计算机学院广州510006 广州柏视医疗科技有限公司临床研究部算法组广州510213 

基　　金：广东省重点领域研发计划(2020B0101130019) 

出 版 物：《计算机工程》 (Computer Engineering)

年 卷 期：2023年第49卷第10期

页      码：154-161页

摘      要：脑肿瘤核磁共振成像(MRI)的准确分割对手术方案的制定和放疗计划具有重要意义。U-Net作为脑肿瘤分割领域应用最广泛的网络,具有较优的性能,但是存在跳跃连接中语义差距较大、MRI图像中跨通道信息利用不足的问题。为对脑肿瘤各区域进行准确分割,提出一种基于特征融合与注意力机制的改进U-Net模型FFCA-U-Net。在跳跃连接中设计特征融合模块代替U-Net中的直接拼接操作,以有效融合不同层次、不同尺度的特征信息,减小语义差距并调整感受野,增强网络对肿瘤特征的学习能力。在编码器中引入改进的三维坐标注意力机制,沿MRI图像的3个方向捕获跨通道信息,增强网络对脑肿瘤边界信息的感知能力,获得肿瘤子区域更精确的位置。此外,为快速获得肿瘤的相对位置、减少网络学习冗余,增加的掩码图像与MRI图像一起作为网络输入。在MSD数据集上的实验结果表明,FFCA-U-Net在增强肿瘤区域、非增强肿瘤区域和水肿区域的Dice系数分别为0.803 4、0.628 6和0.799 3,平均Dice为0.743 8,优于TransBTS、UNETR等其他先进网络。

主 题 词：脑肿瘤 U-Net模型 特征融合 三维坐标注意力机制 医学图像分割 

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

D　O　I：10.19678/j.issn.1000-3428.0066311

馆 藏 号：203116335...