科研之友
微信
新浪微博
Facebook
分享链接
摘要
利用深度学习对胆囊CT癌变部分进行分割，能够为临床医生提供诊断参考。现有方法均采用二维影像切片作为输入，缺少空间上下文信息以及对癌变边界区域的细化。为提高边界分割的准确性，保证空间信息的连续性，本文提出3D-SPRNet胆囊癌分割模型：采用并行解码器提取多尺度高级特征并解码；使用通道注意力帮助网络强调特征提取信息；利用反向注意力关注未被预测的区域，逐步细化癌变边界。选取304位来自上海交通大学医学院附属新华医院胆囊癌患者的CT影像进行实验，得到的MIoU、IoU及Dice系数分别为0.85、0.70、0.83，优于大多数主流分割网络，通过消融实验验证各模块的有效性。实验结果表明，本文提出的网络模型能够改善分割边界粗糙的问题，提高胆囊癌变部分的分割精度。
-
单位上海交通大学医学院附属新华医院; 上海理工大学
