MCA-Net:多尺度综合注意力CNN在医学图像分割中的应用 |
| |
引用本文: | 丁才富,杨晨,纪秋浪,王阳,张兵.MCA-Net:多尺度综合注意力CNN在医学图像分割中的应用[J].微电子学与计算机,2022(3):71-77. |
| |
作者姓名: | 丁才富 杨晨 纪秋浪 王阳 张兵 |
| |
作者单位: | 贵州大学大数据与信息工程学院 |
| |
基金项目: | 国家自然基金(62065003); |
| |
摘 要: | 医学图像自动分割技术具有辅助临床医学诊断的功能.为改善CNN模型在医学图像分割中存在感受野小及细节特征不敏感等问题,基于多尺度策略以及注意力机制,提出一种多尺度综合注意力的U形网络架构,以提升医学图像分割质量.首先,提出一个新的双路径因式分解多尺度融合块,以扩展图像特征的感受野,进一步提取图像特征的细节信息.其次,在架构中融入通道和空间融合自注意力块,利用注意力机制的特性,抑制不相关的部分或背景以突显深层特征的空间信息.最后,引入多尺度注意力块.该模块通过融合多个尺度的特征信息,以突出不同尺度中最显著的特征图来适应当前分割对象的大小.为验证模型的可靠性,将所提出的网络模型应用于肺部、细胞轮廓及肝脏等医学图像分割任务.实验结果表明,所提方法在准确率、Dice系数、AUC及灵敏度等评估指标上均优于目前用于医学图像分割的主流方法.
|
关 键 词: | 医学图像分割 因式分解 双路径融合块 通道注意力 空间注意力 多尺度注意力块 |
本文献已被 维普 等数据库收录! |
|