基于改进U-Net模型和CBAM的脑肿瘤MRI图像分割

作者：张晓倩; 罗建^*; 杨梅; 金芊芊; 朱熹

来源：现代计算机(专业版), 2022, 28(16): 60-66.

• 深度学习
• 脑肿瘤分割
• U-Net
• CBAM注意力机制
• 深度残差模块

由于脑肿瘤图像分割常出现缺少上下文信息和分割效率低的情况，本文采用对U-Net模型改进的方法来解决此问题。首先，在U-Net中引入改进的残差块，其作用是对网络进行深化，便于提取更多的特征信息；然后通过加入CBAM机制的方法，使得网络更加关注某些特征层和空间区域，抑制非病灶区域的特征，以提高肿瘤分割的准确性。本文利用MICCAI提供的公开磁共振成像MRI数据集对改进模型进行验证，并利用Dice系数和精准率对模型进行评估，在整体、核心和增强肿瘤区两者分别达到0.883、0.80、0.789和0.899、0.845、0.804。结果显示，修改后的模型对脑肿瘤图像的分割精度和准确率均有所提高。

• 单位
  电子信息工程学院; 西华师范大学