典型文献
基于三重注意力的脑肿瘤图像分割网络
文献摘要：
脑肿瘤图像分割问题是脑肿瘤临床诊断和治疗脑肿瘤疾病计算机辅助诊断的基础.针对脑肿瘤MRI图像分割网络深度过深和局部与全局特征信息联系匮乏导致图像分割精度降低等问题,提出一种基于三重注意力的脑肿瘤图像分割网络.首先,借鉴残差结构,将原始图像分割网络结构的编码层和解码层中的卷积模块替换为深度残差模块,解决网络加深带来的梯度消失问题.其次,通过引入三重注意力模块,融合图像局部与全局特征信息,使网络更好地学习重要的图像特征信息,提升网络对脑肿瘤图像的分割精度.最后,在MICCAI比赛发布的BraTS脑肿瘤图像分割数据集上(包括335例患者病例),采用Dice系数等脑肿瘤评价指标进行性能评估.其中,脑肿瘤整体可达85.20％,脑肿瘤核心可达87.10％,增强脑肿瘤区域可达80.80％.实验结果显示,所提出的分割网络能够在不增加计算时间的前提下提高脑肿瘤MRI图像的分割性能.
文献关键词：
脑肿瘤分割;三重注意力模块;深度残差模块;MRI图像
中图分类号：
作者姓名：
韩阳;宋金淼;薛安懿;段晓东
作者机构：
大连民族大学计算机科学与工程学院,辽宁 大连 116600;大数据应用技术国家民委重点实验室,辽宁大连 116600;大连市民族文化数字技术重点实验室,辽宁大连 116600
文献出处：
引用格式：
[1]韩阳;宋金淼;薛安懿;段晓东-.基于三重注意力的脑肿瘤图像分割网络)[J].中国生物医学工程学报,2022(01):57-63
A类：
三重注意力模块
B类：
脑肿瘤图像分割,分割网络,诊断和治疗,肿瘤疾病,计算机辅助诊断,全局特征,特征信息,残差结构,原始图像,编码层,解码,卷积模块,深度残差模块,梯度消失,融合图像,地学,图像特征,MICCAI,BraTS,图像分割数据集,Dice,性能评估,肿瘤区,加计,计算时间,脑肿瘤分割
AB值：
0.270073
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。
