融合多尺度特征与边缘增强的前列腺图像分割

作者：王飞; 丁德锐; 朱天佑; 何晓晨

来源：小型微型计算机系统, 2023, 1-7.

• 前列腺分割
• InceptionNext
• 多尺度信息
• 密集融合
• 边缘引导注意力

针对前列腺磁共振(MR)图像上组织边缘模糊、形状和大小的多样性所导致的挑战，本文提出一种多尺度信息挖掘(Multi-scale Information Excavation Network，MSIE-Net)的医学图像分割算法提高图像分割的精度。首先，在编码阶段使用InceptionNext模块，将大核深度卷积沿着通道维度分解成四个并行分支，从而获取多尺度感受野。其次，在解码阶段设计双尺度特征密集融合模块(Dual-scale Feature Dense Fusion， DSFDF)，实现了高低分辨率之间的特征交互。最后，通过边缘引导注意力(Edge-guided Attention， EGA)，实现高层特征指导低层特征的相关信息的传输，从而提高了边界分割的精度。所提方法在前列腺公开数据集ProstateX和Promise12上分别进行了性能评估和泛化能力测试。ProstateX数据集上评估指标Dice和mIoU相较于TransUNet分别提高了1.54%和2.43%。结果表明，所提算法具有更好的边缘分割能力。

• 单位
  上海理工大学