动态蛇形卷积和图卷积注意力的氟骨症X光图像分割

黄蕾; 吴云

doi:10.13741/j.cnki.11-1879/o4.2024.06.016

您当前的位置：

首页 >

文章列表页 >

动态蛇形卷积和图卷积注意力的氟骨症X光图像分割

光学图像处理 | 更新时间：2025-09-01

- 动态蛇形卷积和图卷积注意力的氟骨症X光图像分割
- Dynamic snake convolution and graph convolution attention for skeletal fluorosis X-ray image segmentation
- 光学技术 2024年50卷第6期页码：745-753
- 作者机构：
  
  1. 1:公共大数据国家重点实验室
  2. 2:贵州大学计算机科学与技术学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目(62266011);贵州省科技计划项目(黔科合基础-ZK[2022]一般119)
- DOI：10.13741/j.cnki.11-1879/o4.2024.06.016
  中图分类号： R599.1;O434.1;TP391.41
- 纸质出版：2024
- 稿件说明：
移动端阅览
黄蕾, 吴云. 动态蛇形卷积和图卷积注意力的氟骨症X光图像分割[J]. 光学技术, 2024,50(6):745-753.

Dynamic snake convolution and graph convolution attention for skeletal fluorosis X-ray image segmentation[J]. 2024, 50(6): 745-753.
黄蕾, 吴云. 动态蛇形卷积和图卷积注意力的氟骨症X光图像分割[J]. 光学技术, 2024,50(6):745-753. DOI： 10.13741/j.cnki.11-1879/o4.2024.06.016.

Dynamic snake convolution and graph convolution attention for skeletal fluorosis X-ray image segmentation[J]. 2024, 50(6): 745-753. DOI： 10.13741/j.cnki.11-1879/o4.2024.06.016.

摘要

针对氟骨症X光图像中病灶区域轮廓不规则，边界模糊的问题，提出一种结合动态蛇形卷积、图卷积注意力的氟骨症X光图像分割方法。在编码器部分，提出全域动态蛇形卷积模块(ODSCM))来补充由于单一卷积所缺乏多尺度特征感知能力，从而减轻卷积过程中的特征丢失现象；在解码器部分，提出图卷积注意力模块(GCA)捕获长距离像素依赖，结合通道注意力聚焦关键病灶区域。为了提高性能并减少参数量，引入幻影卷积模块(GCB)

并在U-Net解码结构的基础上去除了与前两层特征的跳跃连接操作，以提高模型的泛化性能。在氟骨症X光图像分割数据集上进行验证，所提方法的DSC、IoU、Accuracy和Recall分别为0.77、0.64、0.85和0.75。实验结果表明，所提方法优于目前主流的医学图像分割方法，特别在氟骨症细小骨质增生病灶上表现出色。

Abstract

关键词

Keywords

references

浏览量

126

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据

动态蛇形卷积和图卷积注意力的氟骨症X光图像分割

Dynamic snake convolution and graph convolution attention for skeletal fluorosis X-ray image segmentation

DOI：10.13741/j.cnki.11-1879/o4.2024.06.016

摘要

Abstract

关键词

Keywords

references