基于双路径网络和注意力机制的胰腺图像分割

针对胰腺CT图像因类别不平衡、背景分散和非刚性几何特征的特性而分割精度不高的问题,提出一种基于Unet网络,采用改进的双路径网络和通道域注意力机制的图像分割模型。首先采用空洞卷积(DilatedConv)代替传统卷积优化双路径网络,扩大感受野,让每个卷积输出都包含较大范围的信息;再将双路径网络的编码器结构引入Unet网络,加强特征的重复利用和新特征的不断探索,获取更多图像细节信息;在此改进网络基础上引入通道域注意力机制,聚焦分割重要部位,提高分割准确率。实验数据表明,设计的网络最高Dice相似系数(DSC)达到了89.81%,最低DSC为72.33%,平均DSC为(85.82±4.73)%。结果表明该模型具有较高的准确率,准确分割胰腺是计算机辅助诊断的重要前提,其研究意义重大。

资料为PDF文档格式.

本文档关键词:胰腺,路径,注意力,图像,分割