典型文献
基于特征选择与残差融合的肝肿瘤分割模型
文献摘要：
目的 高效的肝肿瘤计算机断层扫描(computed tomography,CT)图像自动分割方法是临床实践的迫切需求,但由于肝肿瘤边界不清晰、体积相对较小且位置无规律,要求分割模型能够细致准确地发掘类间差异.对此,本文提出一种基于特征选择与残差融合的2D肝肿瘤分割模型,提高了2D模型在肝肿瘤分割任务中的表现.方法 该模型通过注意力机制对U-Net瓶颈特征及跳跃链接进行优化,为符合肝肿瘤分割任务特点优化传统注意力模块进,提出以全局特征压缩操作(global feature squeeze,GFS)为基础的瓶颈特征选择模块,即全局特征选择模块(fea-ture selection module,FS)和邻近特征选择模块(neighbor feature selection module,NFS).跳跃链接先通过空间注意力模块(spatial attention module,SAM)进行特征重标定,再通过空间特征残差融合(spatial feature residual fusion module,SFRF)模块解决前后空间特征的语义不匹配问题,在保持低复杂度的同时使特征高效表达.结果 在LiTS(liver tumor segmentation)公开数据集上进行组件消融测试并与当前方法进行对比测试,在肝脏及肝肿瘤分割任务中的平均Dice得分分别为96.2％和68.4％,与部分2.5D和3D模型的效果相当,比当前最佳的2D肝肿瘤分割模型平均Dice得分高0.8％.结论 提出的FSF-U-Net(feature selection and residual fusion U-Net)模型通过改进的注意力机制与优化U-Net模型结构的方法,使2D肝肿瘤分割的结果更加准确.
文献关键词：
肝肿瘤自动分割;注意力机制;U-Net结构;特征选择;残差融合
中图分类号：
作者姓名：
乔伟晨;黄冕;刘利军;黄青松
作者机构：
昆明理工大学信息工程与自动化学院,昆明 650500;云南国土资源职业学院信息中心,昆明 652501;云南大学信息学院, 昆明 650091;云南省计算机技术应用重点实验室,昆明 650500
文献出处：
引用格式：
[1]乔伟晨;黄冕;刘利军;黄青松-.基于特征选择与残差融合的肝肿瘤分割模型)[J].中国图象图形学报,2022(03):838-849
A类：
SFRF,肝肿瘤自动分割
B类：
特征选择,残差融合,肿瘤分割,分割模型,计算机断层扫描,computed,tomography,图像自动分割,自动分割方法,肿瘤边界,无规律,类间差异,2D,注意力机制,Net,跳跃链,接进,注意力模块,全局特征,特征压缩,global,feature,squeeze,GFS,selection,module,neighbor,NFS,空间注意力,spatial,attention,SAM,特征重标定,空间特征,residual,fusion,匹配问题,低复杂度,高效表达,LiTS,liver,tumor,segmentation,公开数据集,前方,对比测试,Dice,5D,模型平均,FSF,模型结构
AB值：
0.360434
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
