典型文献
基于多头自注意力机制与U-Net的增强CT图像肾脏小肿瘤自动分割研究
文献摘要：
目的:构建一种基于多头自注意力(MHSA)机制与U-Net网络的M-UNet优化分割模型,以提高增强CT图像中肾脏小肿瘤横断面最大直径≤3 cm的分割准确度.方法:选取医学图像计算和计算机辅助干预协会(MICCAI)的2019肾脏肿瘤分割挑战(KiTS19)数据集中64例最大层面肾脏肿瘤直径≤3 cm的数据,将其按7:3划分为训练集与测试集,训练集进行五折交叉验证.建立基于MHSA机制与U-Net网络的M-UNet优化分割模型,对M-UNet和U-Net分别进行训练与测试,计算交并比(IOU)、Dice相似系数(Dice系数)和95％豪斯多夫距离(HD_95),对比M-Unet与U-Net二者对肾脏及肾脏肿瘤的分割精度.结果:M-UNet网络的IOU、Dice系数相较于U-Net分别提升3.19％和3.00％,HD_95下降41.63％.结合分割结果视觉图,M-UNet与U-Net相比,其对肾脏小肿瘤分割准确率更高,检测更为敏感.结论:M-UNet相对于传统的U-Net能够更准确分割增强CT图像中的肾脏小肿瘤,为临床对肾脏小肿瘤定位及诊断提供便利,有助于提升肾脏小肿瘤检出率.
文献关键词：
肾脏;小肿瘤;图像分割;多头自注意力(MHSA);机制;增强CT
中图分类号：
作者姓名：
吴倩倩;周蕾蕾;陆小妍;蒋红兵
作者机构：
南京医科大学附属南京医院(南京市第一医院)临床医学工程处 江苏 南京 210006;南京医科大学附属南京医院(南京市第一医院)医学影像科 江苏 南京 210006;南京市急救中心 江苏 南京 210003
文献出处：
引用格式：
[1]吴倩倩;周蕾蕾;陆小妍;蒋红兵-.基于多头自注意力机制与U-Net的增强CT图像肾脏小肿瘤自动分割研究)[J].中国医学装备,2022(02):27-31
A类：
肾脏小肿瘤,KiTS19
B类：
多头自注意力机制,自动分割,MHSA,UNet,优化分割,分割模型,横断面,大直径,医学图像,计算机辅助,MICCAI,肾脏肿瘤,肿瘤分割,肿瘤直径,训练集,测试集,五折交叉验证,交并比,IOU,Dice,相似系数,豪斯多夫距离,HD,Unet,肿瘤定位,图像分割
AB值：
0.223006
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。
