用于多器官分割的多尺度聚合网络研究

作     者：高学敏 杜晓刚 张学军 王营博 雷涛 GAO Xue-min;DU Xiao-gang;ZHANG Xue-jun;WANG Ying-bo;LEI Tao

作者机构：陕西科技大学陕西省人工智能联合实验室电子信息与人工智能学院陕西西安710021 兰州交通大学电子与信息工程学院甘肃兰州730070 

基　　金：国家自然科学基金项目(61861024、62271296、62201334) 甘肃省自然科学基金项目(21JR7RA282) 陕西省教育厅科研计划项目(23JP022,23JP014) 

出 版 物：《陕西科技大学学报》 (Journal of Shaanxi University of Science & Technology)

年 卷 期：2024年第42卷第2期

页      码：189-197页

摘      要：多器官分割在病理分析、手术方案制定以及临床诊断上都具有重要的应用价值.但是,一些器官形变较大、尺寸较小且组织边缘模糊,导致分割效果较差.为了解决该问题,提出了一种用于多器官分割的多尺度聚合网络(MSANet).MSANet有两个优势:首先,设计了多尺度边界提取模块,使用多尺度卷积核提取多个特征图,将不同尺度的特征图互相结合,从而聚合全局上下文信息,并提取不同器官的边界和细节信息;其次,设计了聚焦式注意力模块,通过学习的注意力权重来调节特征图的重要性,从而聚焦感兴趣的多器官区域并捕捉不同器官的关键特征,进一步提高分割性能.在两个公开数据集CHAOS和MS-CMRSeg上进行了大量实验.实验结果表明:MSANet在两个数据集上的分割效果均优于当前主流的多器官分割方法,显著提高了多器官分割精度.

主 题 词：多器官分割 多尺度聚合网络 上下文信息 注意力机制 

学科分类：0831[工学-公安技术类] 08[工学] 080203[080203] 0802[工学-机械学] 0836[0836] 

D　O　I：10.3969/j.issn.1000-5811.2024.02.024

馆 藏 号：203127302...