科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了对头颈部多器官CT图像实现精准分割，减少放射治疗对人体正常组织的损伤，本文提出一种基于卷积神经网络的图像分割方法——SAU-Net算法，该算法基于加入残差连接的3D U-Net实现。针对器官尺寸差异较大而引起的分割精度不准确问题，引入压缩注意力模块，通过非局部的空间注意力机制增加对全局特征的编码能力，聚合多尺度上下文信息，实现同一器官的体素分组。此外，该算法减少了卷积核数量及参数量，避免因额外的卷积运算造成堆叠局部信息过多而影响模型性能。结果表明，以Dice系数为评估指标，与3D U-Net和3D ResUNet算法相比，SAU-Net的分割精度分别提高了13.7%和8.2%，推理速度比FocusNetv2提升73%。SAU-Net算法显著提高了头颈部器官图像的分割精度和速度，能够快速准确实现全自动分割任务。
- 单位
