融合密集连接与注意机制的颅内出血分割方法

作者：张鹏; 徐曾春; **

来源：小型微型计算机系统, 2021, 42(07): 1458-1463.

DOI：10.3969/j.issn.1000-1220.2021.07.019

• 图像分割
• 注意力机制
• 深度学习
• 颅内出血

颅内出血区域结构不明确且存在伪影和其他脑组织等噪声对分割任务造成了极大的影响.针对这类问题,为提高颅内出血分割的性能,本文提出了融合密集连接与注意机制的颅内出血分割方法,在全卷积网络的编码器部分引入密集连接块进行颅内出血特征提取,但从编码器中提取的特征并非所有都可用于分割,为此,本文将融合空间和通道注意力的注意力机制融入网络架构中,在空间和通道方面对颅内出血特征进行加权,捕获丰富的上下文关系,获取更为精确的特征.另外,本文采用Focal Tversky损失函数针对处理小面积颅内出血的分割.实验结果表明,本文方法的精确度、灵敏度达到了89.3%、87.58%.其相似度系数达到了88.28%.有效的提升的分割性能,可以实现精确,快速的分割.

• 单位
  南京工业大学