科研之友
微信
新浪微博
Facebook
分享链接
摘要
脑胶质瘤的磁共振图像分割对于脑肿瘤的诊断、手术规划以及放疗等治疗方案的确定具有非常重要的意义．针对现有脑肿瘤分割算法分割精度不高边缘分割不精确，易出现假阳性的问题，本文提出一种基于多重自注意力和可变形卷积的Unet改进模型．模型将原始Unet框架的标准卷积替换为残差模块，以防止模型训练过程中出现梯度消失；通过在瓶颈层加入基于Transformer的多重自注意力模块来提取局部特征和全局上下文信息，以更好地挖掘像素间的相关性；在跨层连接处采用可变形卷积来增强模型对形状感知的敏感性，以提升肿瘤边缘特征的提取能力．实验结果表明，所提算法的分割结果评价指标高于使用同样数据集的其他对比模型，而且对肿瘤边缘的分割更加精确．这表明本文算法是一种有效的脑胶质瘤自动分割算法．
-
单位生物医学工程学院; 大连理工大学
