科研之友
微信
新浪微博
Facebook
分享链接
摘要
手术与化疗作为肝癌的主要治疗手段需要精确提取肝脏病变区域。针对目前肝肿瘤分割方法存在的小型肿瘤丢失、肿瘤边界分割模糊、分割严重错误等问题，提出一种融合注意力机制与残差可形变卷积的肝肿瘤分割方法。以U-Net为主干网络，在编码卷积层末尾增加一条带有反卷积与激活函数的残差路径，该路径与上层跳跃连接相连，解决池化与反卷积操作中的信息损失造成的小目标分割缺失与边界模糊问题；利用可形变卷积增强模型对肿瘤边界的特征提取能力；在跳跃连接层中添加一定数量的卷积层，弥补简单跳跃连接在特征融合时造成的语义空白；通过双注意力机制，模型更加关注肿瘤特征；采用混合损失函数，该函数在保证训练稳定的情况下解决类不平衡造成的分割性能下降的问题。在肝脏肿瘤公开数据集（LITS）上进行实验，所提方法的肿瘤分割Dice系数达85.2%，分割性能优于其他对比网络，能够达到辅助医疗诊断的要求。
- 单位
