摘要：针对现有的脑肿瘤分割网络特征融合不够充分,以及存在的模型复杂的问题,提出一个轻量化的改进Trans BTS的脑肿瘤分割网络。首先,设计了基于大核卷积分解与注意力机制的卷积模块,在减少计算量的同时提高了卷积模块对特征的长距离依赖表征能力;其次,简化了Transformer结构,并设计了多尺度特征作为Transformer的输入,以充分感知全局上下文信息;最后,设计了新的跳跃连接,实现解码过程中对全局深层语义与局部浅层语义信息的充分融合。实验结果表明,该文所提方法在公开数据集BraTS 2021上的多个肿瘤区域(ET,TC,WT)的分割指标与TransBTS相比,Dice评分分别提高了0.55%、1.17%、2.55%,Hausdorff距离降低了1.71、1.68、3.07 mm,并且参数量和计算复杂度分别降低了79.18%和79.88%,平均推理时间减少了1.91 s,更好地实现了分割精度和算法复杂度的平衡。

摘要：文章针对形状复杂、边界模糊的脑肿瘤难以实现精确分割的问题,提出一种基于卷积注意力机制和Transformer多头注意力机制的U型分割网络。文章首先设计了基于通道注意力和空间注意力的卷积模块,提高了模块对局部关键特征的提取能力;其次使用一种结构更精简的Transformer模块作为网络的瓶颈层,利用其多头注意力机制对全局特征进行充分感知;最后在BraTS 2021数据集上进行了实验。实验结果表明文章算法在增强肿瘤区域、肿瘤核心区域和整个肿瘤区域的Dice系数评分分别为87.51%,90.69%和93.47%,可以有效提高脑肿瘤分割精度。