-
题名基于双支路特征融合的MRI颅脑肿瘤图像分割研究
被引量：2
- 1
-
-
作者
熊炜
周蕾
乐玲
张开
李利荣
-
机构
湖北工业大学电气与电子工程学院
美国南卡罗来纳大学计算机科学与工程系
-
出处
《光电子．激光》
CAS
CSCD
北大核心
2022年第4期383-392,共10页
-
基金
国家自然科学基金(61571182,61601177)
国家留学基金(201808420418)
+1 种基金
湖北省自然科学基金(2019CFB530)
湖北省科技厅重大专项(2019ZYYD020)资助项目。
-
文摘
针对磁共振成像(magnetic resonance imaging, MRI)颅脑肿瘤区域误识别与分割网络空间信息丢失问题,提出一种基于双支路特征融合的MRI脑肿瘤图像分割方法。首先通过主支路的重构VGG与注意力模型(re-parameterization visual geometry group and attention model, RVAM)提取网络的上下文信息,然后使用可变形卷积与金字塔池化模型(deformable convolution and pyramid pooling model, DCPM)在副支路获取丰富的空间信息,之后使用特征融合模块对两支路的特征信息进行融合。最后引入注意力模型,在上采样过程中加强分割目标在解码时的权重。提出的方法在Kaggle_3m数据集和BraTS2019数据集上进行了实验验证,实验结果表明该方法具有良好的脑肿瘤分割性能,其中在Kaggle_3m上,Dice相似系数、杰卡德系数分别达到了91.45%和85.19%。
-
关键词
磁共振成像(magnetic
resonance
imaging
MRI)颅脑肿瘤图像分割
双支路特征融合
重构VGG与注意力模型(re-parameterization
visual
geometry
group
and
attention
model
rvam)
可变形卷积与金字塔池化模型(deformable
convolution
and
pyramid
pooling
model
DCPM)
-
Keywords
magnetic resonance imaging(MRI)brain tumor image segmentation
dual-branch feature fusion
re-parameterization VGG and attention model(rvam)
deformable convolution and pyramid pooling model(DCPM)
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
