| 基于双支路特征融合的MRI颅脑肿瘤图像分割研究 |
| |
| 作者姓名： | 熊炜 周蕾 乐玲 张开 李利荣 |
| |
| 作者单位： | 湖北工业大学 电气与电子工程学院,湖北 武汉 430068 ;美国南 卡罗来纳大学计算机科学与工程系,南卡 哥伦比亚 29201,湖北工业大学 电气与电子工程学院,湖北 武汉 430068,湖北工业大学 电气与电子工程学院,湖北 武汉 430068,湖北工业大学 电气与电子工程学院,湖北 武汉 430068,湖北工业大学 电气与电子工程学院,湖北 武汉 430068 |
| |
| 基金项目： | 国家自然科学基金(61571182,61601177)、国家留学基金(201808420418)、湖北省自然科学基金(2019CFB530)和湖北省 科技厅重大专项(2019ZYYD020)资助项目 (1.湖北工业大学 电气与电子工程学院,湖北 武汉 430068; 2.美国南卡罗来纳大学计算机科学与工程系,南卡 哥伦比亚 29201) |
| |
| 摘 要： | 针对磁共振成像(magnetic resonance imaging, MRI)颅脑肿瘤区域误识别与分割网络空间信息丢失问题,提出一种基于双支路特征融合的MRI脑肿瘤图像分割方法。首先通过主支路的重构VGG与注意力模型(re-parameterization visual geometry group and attention model, RVAM)提取网络的上下文信息,然后使用可变形卷积与金字塔池化模型(deformable convolution and pyramid pooling model, DCPM)在副支路获取丰富的空间信息,之后使用特征融合模块对两支路的特征信息进行融合。最后引入注意力模型,在上采样过程中加强分割目标在解码时的权重。提出的方法在Kaggle_3m数据集和BraTS2019数据集上进行了实验验证,实验结果表明该方法具有良好的脑肿瘤分割性能,其中在Kaggle_3m上,Dice相似系数、杰卡德系数分别达到了91.45%和85.19%。
|
| 关 键 词： | 磁共振成像(magnetic resonance imaging MRI)颅脑肿瘤图像分割 双支路特征融合 重构VGG与注意力模型(re-parameterization visual geometry group and attention model RVAM) 可变形卷积与金字塔池化模型(deformable convolution and pyramid pooling model DCPM) |
| 收稿时间： | 2021-07-22 |
| 本文献已被 维普 等数据库收录！ |
| 点击此处可从《光电子．激光》浏览原始摘要信息 |
|
点击此处可从《光电子．激光》下载全文 |
|
