-
题名基于多尺度级联注意网络的肺实质分割
被引量：1
- 1
-
-
作者
许圳兴
余耀
赵东
陈园
范圣旺
-
机构
南京信息工程大学电子与信息工程学院
无锡学院电子与信息工程学院
杭州海康威视数字技术股份有限公司
-
出处
《国外电子测量技术》
2024年第5期60-69,共10页
-
基金
江苏省高等学校基础科学(自然科学)研究面上省资助经费项目(22KJB140017)
无锡学院人才启动基金(2019r015,2022r006)项目资助。
-
文摘
针对肺实质分割任务中不同尺度特征的全局上下文信息利用率低、分割精度低、分割细节模糊等问题,提出一种多尺度级联注意网络(multiscale cascaded attention networks,MCANet)。该网络主要由多尺度特征提取网络(multi-scale feature extraction network,MSFENet)、多尺度注意力引导模块(multi-scale attention guidance module,MSAG)、解码特征整合器(decoding feature integrator,DFI)组成。首先,设计MSFENet以提高特征信息在不同通道维度上的空间交互能力,在采样过程中最大限度地保留图像的关键特征,丰富全局上下文信息。然后,设计MSAG提高模型在解码过程中对多尺度特征信息的利用率,并最大限度地融合两种注意力机制的优势。最后设计DFI,重新整合解码器生成的解码特征,以提高模型对边缘信息的分割性能。在LUNA16数据集上对模型性能进行实验验证,得到了0.993的Dice和3.864的HD,实验结果证明了MCANet与其他主流医学分割模型相比有更优异的分割性能,能更准确地分割肺实质。
-
关键词
肺实质分割
多尺度级联注意网络
多尺度特征提取网络
多尺度注意力引导模块
解码特征整合器
-
Keywords
lung parenchymal segmentation
MCANet
msfenet
MSAG
DFI
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
