基于TransUNet的膝关节半月板影像分割研究
蔡艺斌
汪宇玲
330013 南昌,东华理工大学信息工程学院
摘要：目的 介绍一种基于改进型 TransUNet 的高精度半月板自动分割模型.方法 基于斯坦福大学公开的 MRNet 数据集,构建了一个由经验丰富的放射科医师精细标注的半月板分割子集作为训练与评估样本,将数据集按 8∶2 划分为训练集和测试集,通过迁移学习建立了一个 ECMA-TransUNet 网络模型,设计了高效通道与多尺度注意力模块(efficient channel and multi-scale attention,ECMA),并将其嵌入 TransUNet 架构中的 CNN 编码器各阶段及解码器的 3 条跳跃连接路径中,在此模型上分割半月板的 4 个半月板角.结果 本模型在 4 个解剖区域中均获得的分割性能如下:外侧半月板前角(DSC=87.43%,HD=0.5678)、外侧半月板后角(DSC=93.15%,HD=0.8455)、内侧半月板前角(DSC=91.48%,HD=0.7551)、内侧半月板后角(DSC=94.00%,HD=0.7407),各项指标均达到临床实用标准.结论 本研究提出的 ECMA-TransUNet 模型在以下方面具有显著优势:(1)所引入的注意力模块提升了边界对齐精度与小结构识别能力;(2)模型的解剖精度满足临床诊断需求,有望为智能辅助诊断系统提供可靠性支持.
关键词：膝关节半月板Trans UNet图像分割
分类号：R445.2(诊断学)
资助基金：国家自然科学基金(62066003)教育部国家留学基金(No.CSC202208360143)
论文发表日期：2026-02-19
在线出版日期：2026-03-09（本平台首次上网日期，不代表文献的发表时间）
页数：6( 97-102 )
英文信息