文档名：基于卷积融合和残差注意力的脑卒中病灶分割
摘要：脑卒中MRI影像由于病灶区域小和正常组织边界模糊的特点导致分割难度大.为此提出一种优化的编解码结构网络.为使网络提取更加丰富的上下文信息,提出了双注意力卷积融合编码模块,在编码端收缩路径实现二维卷积和三维卷积的融合,并且从空间和通道2个维度建立特征的全局相关性.此外,提出残差-注意力门混合解码模块,更好地融合低层次和高层次特征,关注目标区域,从而提高小病灶边缘的分割细腻度.通过在开源数据集ATLAS的实验结果表明,该算法DSC指标达到了0.62,与UNet,D-UNet,3D-UNet以及attention-UNet等模型相比,有效提高了分割性能.
作者：张岩 李凤莲 张雪英 王夙喆 章洪涛Author：ZHANGYan LIFenglian ZHANGXueying WANGSuzhe ZHANGHongtao
作者单位：太原理工大学信息与计算机学院,太原030024
刊名：重庆理工大学学报 PKU
Journal：JournalofChongqingInstituteofTechnology
年，卷(期)：2023, 37(10)
分类号：TP391
关键词：脑卒中 UNet 卷积融合 注意力
机标分类号：TP391.41R737.9R445.2
在线出版日期：2023年6月15日
基金项目：国家自然科学基金，山西省自然科学基金面上项目，太原理工大学校精品课程项目基于卷积融合和残差-注意力的脑卒中病灶分割[
期刊论文] 重庆理工大学学报--2023, 37(10)张岩 李凤莲 张雪英 王夙喆 章洪涛脑卒中MRI影像由于病灶区域小和正常组织边界模糊的特点导致分割难度大.为此提出一种优化的编解码结构网络.为使网络提取更加丰富的上下文信息,提出了双注意力卷积融合编码模块,在编码端收缩路径实现二维卷积和三维卷积...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于卷积融合和残差-注意力的脑卒中病灶分割 Stroke lesion segmentation based on convolution fusion and residual-attention mechanism
基于卷积融合和残差-注意力的脑卒中病灶分割.pdf
- 文件大小:
- 5.53 MB
- 下载次数:
- 60
-
高速下载
|
|
