基于注意力空洞U-Net的MRI图像分割方法

邹利华; 吉珊珊

doi:10.13741/j.cnki.11-1879/o4.2022.05.013

您当前的位置：

首页 >

文章列表页 >

基于注意力空洞U-Net的MRI图像分割方法

光学图像处理与识别 | 更新时间：2025-09-01

- 基于注意力空洞U-Net的MRI图像分割方法
- MRI image segmentation method based on attention dilated U-Net
- 光学技术 2022年48卷第5期页码：634-640
- 作者机构：
  
  1. 1:东莞职业技术学院电子信息学院
  2. 2:东莞职业技术学院人工智能学院
- 作者简介：
- 基金信息：
  
  广东省普通高校重点领域专项(新一代信息技术)(2021ZDZX1146)
- DOI：10.13741/j.cnki.11-1879/o4.2022.05.013
  中图分类号： R744.51;TP391.41
- 纸质出版：2022
- 稿件说明：
移动端阅览
邹利华, 吉珊珊. 基于注意力空洞U-Net的MRI图像分割方法[J]. 光学技术, 2022,48(5):634-640.

MRI image segmentation method based on attention dilated U-Net[J]. 2022, 48(5): 634-640.
邹利华, 吉珊珊. 基于注意力空洞U-Net的MRI图像分割方法[J]. 光学技术, 2022,48(5):634-640. DOI： 10.13741/j.cnki.11-1879/o4.2022.05.013.

MRI image segmentation method based on attention dilated U-Net[J]. 2022, 48(5): 634-640. DOI： 10.13741/j.cnki.11-1879/o4.2022.05.013.

摘要

磁共振图像中多发性硬化症的形状差异较大，导致传统方法对多发性硬化症的分割效果不佳。针对该问题，提出一种基于注意力空洞U-Net的医学图像分割方法。在U-Net级联结构中用密集空洞残差块代替传统的卷积层，以此自适应地调节每个尺度的感受野，从而提取各尺度下的重要信息；在U-Net编码器与解码器的同尺度特征图之间增加注意力模块，以此增加各尺度特征图中感兴趣区域的权重，减少非感兴趣区域的权重，从而避免信息冗余；采用混合损失函数在多尺度特征图上完成训练，以此解决多发性硬化症分割的不平衡分类问题。对比实验结果表明，在测试集上的分割精度比U-Net提升了10.8%。

Abstract

关键词

Keywords

references

浏览量

197

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

深浅交错式特征融合的人体图像分割方法

基于小波变换和残差网络的磁共振影像分割方法

一种基于零样本学习的图像降噪算法

改进YOLO轻量化网络的行人检测算法

融合注意力机制的相位解包裹方法

基于注意力空洞U-Net的MRI图像分割方法

MRI image segmentation method based on attention dilated U-Net

DOI：10.13741/j.cnki.11-1879/o4.2022.05.013

摘要

Abstract

关键词

Keywords

references