用于图像分割的强制召回特征注意力网络

为解决医学图像中前景背景比例严重失衡及小目标区域难以分割的问题,该文提出了一种 基于高斯图像金字塔的注意力网络。具体地,首先在特征解码阶段将空间信息与抽象信息进行特征融 合;其次,设计了一个特征召回器以强制编码器减少遗漏感兴趣区域的特征;最后,引入分类精度和 全局区域重叠项组成的混合损失函数来处理医学图像前景背景严重不平衡问题。所提出的方法在膝关 节软骨数据集和 COVOID-19 胸部 CT 数据集中进行了验证,其分割区域分别占 2.08% 和 10.73%。与 U-Net 及其主流变体相比,该方法在两个数据集上都得到了最佳的 Dice 系数,分别为 0.884±0.032 和 0.831±0.072。