基于深度学习的改进Swin-Unet小波卷积与注意力机制在子宫肌瘤HIFU治疗中MRI分割的应用研究
郭蕾1
李黎明2
林楚岚2
欧湘红1
1.南方医科大学第二临床医学院妇产科(广东 广州 510280)2.暨南大学附属广东省第二人民医院影像中心(广东 广州 510317)
摘要：目的 提出一种改进Swin-Unet网络模型,借助频域增强与多尺度注意力,实现子宫肌瘤在子宫肌瘤影像上的高精度自动分割,为个性化精准治疗奠定可靠基础.方法 在Swin-Unet架构中,在Patch Merging与Patch Expanding之后引入小波卷积以捕获多频细节;编码器采用多尺度空洞卷积金字塔,强化上下文感知能力;同时在跳跃连接中嵌入空间-通道协同注意力,对高级语义特征进行自适应精炼.结果 在包含1 582张T2加权MRI图像的数据集上,与Attention UNet等其他深度学习方法相比,模型更加准确和稳定.在各项评价指标上均有良好的表现,平均召回率,平均Dice,平均JC分别达到了 91.17,91.33,86.23.结论 结果表明改进Swin-Unet小波卷积和自注意力机制的U形网络结构用来在磁共振图像上分割子宫肌瘤HIFU治疗中能够实现子宫肌瘤的自动化分割,并在多种评价指标上较其他现有方法有一定提升.
关键词：医学图像分割深度学习子宫肌瘤注意力机制
分类号：R713(妇科手术)TP18(自动化基础理论)
资助基金：广东省第二人民医院第一批3D打印科研项目(3D-B2020009)广东省第二人民医院第一批3D打印科研项目(3D-B2020013)茂名市科技计划项目(2025306)茂名市哲学社会科学规划课题(2025YB26)
论文发表日期：2025-11-15
在线出版日期：2026-01-06（本平台首次上网日期，不代表文献的发表时间）
页数：8( 1606-1613 )
英文信息