Back UNet:基于自注意力机制与UNet的婴儿脑MRI分割  

作　　者：夏宗辉 庞宇 XIA Zonghui;PANG Yu

机构地区：[1]长春金融高等专科学校计算机应用与数字媒体学院,吉林长春130124 [2]吉林化工学院理学院,吉林吉林132022

出　　处：《信息技术与信息化》2024年第10期107-110,共4页Information Technology and Informatization

基　　金：2024年长春金融高等专科学校科研规划项目(2024JZ018,2024JZ012)。

摘　　要：婴儿脑影像分割在神经发育研究和早期疾病诊断中扮演着关键角色。然而,此领域的研究面临婴儿脑组织间对比度低、婴儿脑影像尺寸较大等挑战,这些问题增加了自动化分割方法的研发难度。针对上述挑战,提出一种结合自注意力机制与UNet的新型深度学习方法。通过引入自注意力机制,所提出的模型能够更好地捕捉图像中不同组织间的特征信息,强化对全局信息的理解,从而更准确地区分不同脑组织。在公开的婴儿脑MRI数据集上进行的实验结果表明,所提出的方法在常用评价指标上显示出较现有技术更优的表现。

关 键 词：婴儿脑分割 自注意力机制 UNet MRI 

分 类 号：R445.2[医药卫生—影像医学与核医学] TP391.41[医药卫生—诊断学] TP18[医药卫生—临床医学]