基于脑组织分割的精确头模型有助于提升经颅磁刺激的治疗效果，但由于人脑的复杂性，很难实现精确的脑组织分割。为此，本文提出了基于迁移学习的多尺度注意网络，该网络可以学习多模态数据之间的互补信息，采用迁移学习方法解决小样本数据引起的过拟合问题，利用膨胀卷积提取多尺度特征，加入注意力机制提高脑组织分割的准确性。通过MRBrainS挑战赛验证了网络的有效性，在多项指标中取得了最好成绩。多尺度注意网络可以为个性化头模型的建立提供一个较好的分割结果，进而优化经颅磁刺激的治疗效果。
科研之友
微信
新浪微博
Facebook
分享链接
