用于颈椎MRI分割的多尺度特征融合注意力网络模型

作者：周静; 钟原^*; 李平; 杨毅; 马立泰; 张涛

来源：计算机工程, 2023, 49(10): 298-312.

DOI：10.19678/j.issn.1000-3428.0065772

• 颈椎分割
• 注意力机制
• 多尺度融合
• 特征增强
• 卷积神经网络

近年来，基于深度学习的医学图像辅助诊断逐渐成为主流，但常见的医疗锥体分割模型缺乏对颈椎细节信息的提取，导致锥体分割不完整或边缘相对模糊。为了提高颈椎MRI图像的分割精度，基于ResNet构建一种多尺度特征融合注意力（MSFFA）网络模型。利用多尺度注意力模块融合不同感受野进行注意力特征增强，同时为了降低特征信息融合的损耗，采用跨尺度特征融合模块进行相似域和边缘域特征增强，最终将原始样本的特征信息整合到分割结果中进行细节增强，进一步优化模型分割性能。实验结果表明，MSFFA模型相比于U-Net、AttUNet等模型分割得到的颈椎结构更完整、边缘更平滑，同时在腰椎分割中也能取得更精确的分割结果，并且相比于最优对照模型DeepLabv3+,Dice相似系数的均值提升了1.05个百分点。

• 单位
  西南石油大学; 四川大学华西医院