基于卷积注意力和空洞空间注意力的U型医学图像分割模型  

作　　者：姜宁 

机构地区：[1]安庆师范大学计算机与信息学院,安徽安庆246133

出　　处：《电脑知识与技术》2025年第7期17-20,共4页Computer Knowledge and Technology

摘　　要：为了解决医学图像分割中特征信息不足和目标定位不准确的问题,该文基于SegNeXt和DSNet提出了一种基于卷积注意力和空洞空间注意力的U型医学图像分割模型(SegxUnet)。文章首先输入图像通过双尺度卷积注意力模块构建的编码器(Encoder),提取更丰富的多尺度的医学图像特征。经过编码器的特征图,在瓶颈部分构建的串-并行空洞空间注意力模块中进一步补充全局上下文信息,接着在解码器(Decoder)中层层上采样(Upsample)与编码器中提取的多尺度医学图像特征融合,最后输出图像分割结果。实验结果显示,SegxUnet模型在2020年脑肿瘤检测数据集(Br35H)上的Miou和Dice分别达到了87.53%和87.25%,,优于FCN、Deeplabv3、PSPNet等经典图像分割算法。具体来说,其Miou相比于FCN、Deeplabv3、PSPNet分别提高了1.46%、0.95%和0.39%。

关 键 词：医学图像分割 编码器(Encoder) 解码器(Decoder) 卷积注意力 空洞空间注意力 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]