融合Transformer分支和拓扑强制的IVUS图像分割方法

作者：郝文月; 蔡怀宇^*; 左廷涛; 贾忠伟; 汪毅; 陈晓冬

来源：激光与光电子学进展, 2023, 1-18.

• 医学图像分割
• 血管内超声
• Transformer
• 拓扑关系保留

大多数血管内超声（IVUS）图像分割方法缺乏对全局信息的捕获，且分割结果拓扑关系不符合医学先验知识，影响了后续的诊断和治疗。为解决上述问题，本文提出了一种将CNN(Convolutional Neural Networks)和Transformer双分支主干网络与拓扑强制网络相结合的图像分割方法。该方法并列CNN分支与Transformer分支构建主干网络以实现局部和全局信息的融合；其中，组成Transformer分支的模块结合了轴向自注意力计算和增强型混合前馈神经网络以适应小数据集。此外，在主干网络之后连接拓扑强制网络，并使用双边滤波平滑层代替高斯滤波平滑层，可以在保证分割结果拓扑结构正确性的同时进一步提高分割精度。实验结果表明，本文方法所得内膜和中膜的JM系数相比于基线网络分别提高了0.018和0.016,HD系数分别改进了0.148和0.288，且拓扑结构正确率均为100%。该算法可以为IVUS图像提供准确可靠且拓扑结构正确的分割结果，在可视化结果和各项评价指标上都有较好表现。

• 单位
  乐普（北京）医疗器械股份有限公司; 乐普(北京)医疗器械股份有限公司; 天津大学; 电子工程学院; 西南医院