科研之友
微信
新浪微博
Facebook
分享链接
摘要
鼻咽癌原发灶医学影像存在目标靶区小、影像各向异性以及与周围软组织对比度低等问题.为了解决这些问题，本文应用2.5D卷积神经网络来处理具有各向异性的CT图像分割问题.提出了一个改进的通道和空间注意力模块，使网络能够专注于小目标分割.在此基础上，把2D交叉注意力模块扩展到3D，更好地提取肿瘤靶区的特征信息，解决靶区与周围软组织对比度低的问题，从而优化肿瘤靶区的整体分割效果.为了取得更好的边缘分割效果，在解码器端引入注意门，融合低层和高层语义信息，对相关边缘特征信息做进一步补偿.利用2019年StructSeg挑战赛鼻咽癌公开数据库进行实验验证，结果表明，本文算法所得鼻咽癌原发灶分割的平均Dice系数、相对体积误差、平均对称表面距离和豪斯多夫距离分别是66.22%、57.54%、2.592 mm、10.05 mm，比基准UNet3D模型分别提升了7.92%、67.36%、2.843 mm、34.86 mm.本文所提模型的分割效果均优于经典的分割方法和其他目前主流医学分割网络.
- 单位
