结合自注意力与卷积神经网络的腺体及息肉分割方法 |
| |
引用本文: | 张家宝,肖志勇.结合自注意力与卷积神经网络的腺体及息肉分割方法[J].激光与光电子学进展,2023(2):291-299. |
| |
作者姓名: | 张家宝 肖志勇 |
| |
作者单位: | 江南大学人工智能与计算机学院 |
| |
摘 要: | 腺体和息肉的自动分割是人工智能辅助结直肠腺癌诊断的基础,但医学图像中的分割目标大小、形状多变,基于单一的卷积神经网络的自动分割方法已陷入瓶颈。基于此,提出了一种卷积神经网络和自注意力相结合的双分支网络(LG UNet),用以提升分割的精度。首先,基于U-Net设计了Local UNet分支,利用卷积神经网络的优势,学习分割目标的局部信息。然后在Global Transformer分支中,利用Transformer全局依赖关系的学习能力来优化分割细节。最后在编码过程中通过交叉融合模块将Local分支和Global分支的特征图进行融合,将两者优势互补。在腺体分割挑战数据集Glas的两个测试子集Test A和Test B上,以Dice系数和交并比(IOU)系数为主要评价指标,LG UNet的测试结果分别为93.62%、88.44%和88.17%、80.49%。在息肉分割数据集Kvasir-SEG上,LG UNet的Dice系数和IOU系数分别为85.63%和77.82%。实验结果表明,结合Transformer和卷积神经网络优势的LG UNet在腺体和息肉分割上取得了更好的性能。
|
关 键 词: | 医用光学 自注意力机制 卷积神经网络 双分支网络 结直肠腺癌 腺体分割 息肉分割 |
|
|