女性盆底肌肉MRI图像中多目标自动分割模型
姜玮
王艳
重庆师范大学 数学科学学院,重庆 401331
摘要：针对女性盆底肌肉结构复杂且目标较小,导致难以快速、准确分割图像中目标肌肉的问题,提出一种基于改进注意力U型网络(attention u-shaped network,attention U-Net)的磁共振成像(magnetic resonance imaging,MRI)图像下女性盆底肌肉自动分割的多尺度卷积块注意力机制U型网络(multi-scale convolutional block attention module U-Net,MCAtt-UNet)新模型.该模型利用多尺度卷积块注意力模块(multi-scale convolutional block attention module,MCBAM)捕获更丰富的图像特征,其多尺度特性更有利于小目标肌肉特征的提取;同时,通过在编码和解码过程中嵌入全局上下文模块,能充分利用上下文信息更好地捕获全局特征.在重庆某医科类大学提供的数据集(包含 49 例女性盆底肌肉的 MRI 图像)上进行实验,采用戴斯相似系数(Dice similarity coefficient,Dice)、像素精度(pixel accuracy,PA)和交并比(intersection over union,IOU)3 种指标验证分割性能,Dice、PA 和 IOU 分别达到76.03%、75.76%和64.15%,整体分割效果优于其他网络.结果证明,该模型为女性盆底肌肉的多目标分割提供了一种可选方案,有助于辅助临床盆底相关疾病快速准确地诊疗.
关键词：女性盆底肌肉MRI图像卷积神经网络attention U-Net多尺度CBAM
分类号：TP391.4(计算技术、计算机技术)
资助基金：国家自然科学基金(11901071)
论文发表日期：2024-06-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 191-197 )
英文信息