基于感受野扩增和注意力机制的U-Net脑肿瘤MR图像分割

作者：郑伟; 赵金芳; 张奕婧; 刘帅奇; 张晓丹^*; 马泽鹏

来源：河北大学学报(自然科学版), 2022, 42(05): 542-551.

• 脑肿瘤分割
• U-Net
• RFB
• 注意力机制

针对U-Net网络感受野受限以及信息丢失导致的分割精度低的问题，提出了一种基于感受野扩增和注意力机制的U-Net脑肿瘤MR图像分割算法.首先，在U-Net网络中引入感受野模块(receptive field block, RFB)来增大网络的感受野，解决了网络由于感受野受限带来的分割精度低的问题.此外在网络中引入有效的通道注意模块(efficient channel attention, ECA)来增加网络对有用特征的响应，抑制网络中的冗余特征.使用BraTS(the brain tumor image segmentation challenge)提供的脑肿瘤MR图像数据对本文算法进行测试，用Dice相似性系数等指标进行评价，结果显示在完整肿瘤、核心肿瘤以及增强肿瘤的Dice值分别可达到0.86、0.86、0.79.与U-Net模型以及其他的网络相比得到了提高.实验结果表明，本文提出的算法能够有效提升脑肿瘤分割的精度，具有良好的分割性能.

• 单位
  电子信息工程学院; 河北大学; 河北大学附属医院