基于特征融合与注意力机制的脑肿瘤分割算法

作者：褚张晴晴; 钟志强; 颜子夜; 战荫伟

来源：计算机工程, 2023, 49(10): 154-161.

DOI：10.19678/j.issn.1000-3428.0066311

• 脑肿瘤
• U-Net模型
• 特征融合
• 三维坐标注意力机制
• 医学图像分割

脑肿瘤核磁共振成像(MRI)的准确分割对手术方案的制定和放疗计划具有重要意义。U-Net作为脑肿瘤分割领域应用最广泛的网络，具有较优的性能，但是存在跳跃连接中语义差距较大、MRI图像中跨通道信息利用不足的问题。为对脑肿瘤各区域进行准确分割，提出一种基于特征融合与注意力机制的改进U-Net模型FFCA-U-Net。在跳跃连接中设计特征融合模块代替U-Net中的直接拼接操作，以有效融合不同层次、不同尺度的特征信息，减小语义差距并调整感受野，增强网络对肿瘤特征的学习能力。在编码器中引入改进的三维坐标注意力机制，沿MRI图像的3个方向捕获跨通道信息，增强网络对脑肿瘤边界信息的感知能力，获得肿瘤子区域更精确的位置。此外，为快速获得肿瘤的相对位置、减少网络学习冗余，增加的掩码图像与MRI图像一起作为网络输入。在MSD数据集上的实验结果表明，FFCA-U-Net在增强肿瘤区域、非增强肿瘤区域和水肿区域的Dice系数分别为0.803 4、0.628 6和0.799 3，平均Dice为0.743 8，优于TransBTS、UNETR等其他先进网络。

• 单位
  广东工业大学; 广州柏视医疗科技有限公司