基于RHA-UNet的子宫肌瘤MRI图像分割  

作　　者：于海 李黎明[2,3] 林楚岚 张秋实 李海燕[2,3] 郭蕾 郑杰 

机构地区：[1]广东工业大学生物医药学院,广州510006 [2]广东省第二人民医院妇科,广州510317 [3]暨南大学医学部,广州510630

出　　处：《人工智能》2024年第4期46-56,共11页Artificial Intelligence View

基　　金：国家自然科学基金(3D-B2020013,3D-B2020009)。

摘　　要：本研究提出一种结合残差块和注意力机制的U型网络,以实现医疗图像中子宫肌瘤的自动分割,为子宫肌瘤的精准治疗提供重要帮助。在网络的编码器部分使用了ResNet和通道注意力机制增强特征提取的能力,并在每个残差块后添加了SE模块和通道注意力。在网络的最底层,联合使用了多重空洞卷积和混合注意力模块,以学习如何利用全局信息选择性地强调信息性特征。与Attention UNet等其他深度学习方法相比,该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,分别达到了91.02%、92.47%。这项工作提出了一种结合注意力机制的U形网络结构,用来在MR图像上分割子宫肌瘤。结果表明,本方法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 残差模块 子宫肌瘤 注意力机制 

分 类 号：R713[医药卫生—妇产科学] TP18[医药卫生—临床医学]