基于多尺度层级化注意力模型的脑血肿分割算法
于金扣1
余南南1
于贺1
胡春艾2
邱天爽3
1.江苏师范大学电气工程及自动化学院,江苏徐州2211162.江苏省徐州市中心医院影像科,江苏徐州2210093.大连理工大学生物医学工程学院,辽宁大连116024
摘要：目的 针对脑组织结构影像研究可准确、稳定识别和分割出潜在脑血肿图像的自动分割算法.方法 提出了一种多尺度层级化注意力U型网络(MHA-Unet),嵌入空间金字塔池化层级化注意力(SPP-HA)模块.采用来自452例患者的大脑CT图像数据集,其中训练数据集7727张,测试数据集496张,分别用于网络训练、验证和测试.此外,从测试数据集中挑选出4种不同血肿位置和形状的图像进行分割评估,通过比较MHA-Unet与Segnet、FCN、Unet的图像分割性能,验证提出模型的分割精度和稳定性.结果 MHA-Unet模型性能优于其他3种分割方法 .针对3种评价指标,分别取得了 Dice系数85.8％,Jaccard系数77.9％和Sensitivity系数84.4％的最高实验精度,MHA-Unet相对于U-net,Dice提高了 1.1％,Jaccard提高了 0.6％,Sensitivity提高了 1.3％.结论 提出的模型算法能有效分割出脑出血血肿区域,但是针对不同来源的脑出血数据集,模型的泛化性能有待进一步验证.
关键词：脑血肿编解码网络多尺度特征空间金字塔池化空间注意力
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(61801197)江苏省自然科学基金(BK20181004)江苏省高等学校自然科学研究项目(18KJB510012)江苏省高等学校自然科学研究项目(19KJA460010)
论文发表日期：2021-02-15
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：8( 44-51 )
英文信息