用于肺部肿瘤图像分割的跨模态多编码混合注意力U-Net | |
周涛4,5; 董雅丽5; 刘珊5; 陆惠玲3; 马宗军2; 侯森宝5; 邱实1 | |
刊名 | 光子学报 |
2022-04-25 | |
卷号 | 51期号:4 |
关键词 | 深度学习 医学图像分割 多模态医学图像 U-Net 肺癌 |
ISSN号 | 10044213 |
DOI | 10.3788/gzxb20225104.0410006 |
其他题名 | Cross-modality Multi-encoder Hybrid Attention U-Net for Lung Tumors Images Segmentation |
产权排序 | 5 |
英文摘要 |
针对医学图像的肺部肿瘤分割中病灶和周围组织的对比度低、边缘模糊、肿瘤和正常组织粘连、病灶和背景分布不均衡等问题,提出跨模态多编码混合注意力机制模型分割肺部病灶,用多种模态医学图像辅助分割病灶。首先设计了三编码器提取多模态医学图像的病灶特征,解决单模态医学影像的病灶特征提取能力不足的问题;然后针对网络通道维度冗余和对复杂病灶的空间感知能力不高的问题,在网络跳跃连接中加入混合注意力机制;最后对网络解码路径不同的尺度特征使用多尺度特征聚合块充分利用各个尺度特征。在临床多模态医学图像数据集上验证算法的有效性,对比实验结果表明所提模型对于肺部病灶分割的戴斯相似系数、召回率、体积重叠误差和相对体积差异分别为96.4%、97.27%、93.0%、93.06%。对于病灶形状复杂,病灶和正常组织粘连的情况,分割精度得到有效提升。 |
语种 | 中文 |
内容类型 | 期刊论文 |
源URL | [http://ir.opt.ac.cn/handle/181661/95881] |
专题 | 西安光学精密机械研究所_光学影像学习与分析中心 |
通讯作者 | 董雅丽 |
作者单位 | 1.中国科学院西安光学精密机械研究所 2.宁夏医科大学总医院骨科 3.宁夏医科大学理学院 4.北方民族大学图像图形智能处理国家民委重点实验室 5.北方民族大学计算机科学与工程学院 |
推荐引用方式 GB/T 7714 | 周涛,董雅丽,刘珊,等. 用于肺部肿瘤图像分割的跨模态多编码混合注意力U-Net[J]. 光子学报,2022,51(4). |
APA | 周涛.,董雅丽.,刘珊.,陆惠玲.,马宗军.,...&邱实.(2022).用于肺部肿瘤图像分割的跨模态多编码混合注意力U-Net.光子学报,51(4). |
MLA | 周涛,et al."用于肺部肿瘤图像分割的跨模态多编码混合注意力U-Net".光子学报 51.4(2022). |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论