典型文献
适用于鼻咽癌原发灶三维自动化分割的MCAS-UNet网络
文献摘要：
鼻咽癌原发灶医学影像存在目标靶区小、影像各向异性以及与周围软组织对比度低等问题.为了解决这些问题,本文应用2.5D卷积神经网络来处理具有各向异性的CT图像分割问题.提出了一个改进的通道和空间注意力模块,使网络能够专注于小目标分割.在此基础上,把2D交叉注意力模块扩展到3D,更好地提取肿瘤靶区的特征信息,解决靶区与周围软组织对比度低的问题,从而优化肿瘤靶区的整体分割效果.为了取得更好的边缘分割效果,在解码器端引入注意门,融合低层和高层语义信息,对相关边缘特征信息做进一步补偿.利用 2019年StructSeg挑战赛鼻咽癌公开数据库进行实验验证,结果表明,本文算法所得鼻咽癌原发灶分割的平均Dice系数、相对体积误差、平均对称表面距离和豪斯多夫距离分别是66.22％、57.54％、2.592 mm、10.05 mm,比基准 UNet3D 模型分别提升了 7.92％、67.36％、2.843 mm、34.86 mm.本文所提模型的分割效果均优于经典的分割方法和其他目前主流医学分割网络.
文献关键词：
医学图像;鼻咽癌;注意力机制;深度学习;3D分割
中图分类号：
作者姓名：
王天;梁淑芬;秦传波;解竞一;冯跃
作者机构：
五邑大学 智能制造学部,广东 江门 529020
文献出处：
引用格式：
[1]王天;梁淑芬;秦传波;解竞一;冯跃-.适用于鼻咽癌原发灶三维自动化分割的MCAS-UNet网络)[J].五邑大学学报（自然科学版）,2022(04):48-56
A类：
StructSeg,UNet3D
B类：
鼻咽癌,原发灶,MCAS,医学影像,标靶,各向异性,周围软组织,对比度,5D,图像分割,空间注意力,注意力模块,小目标分割,2D,交叉注意力,肿瘤靶区,特征信息,分割效果,边缘分割,解码器,低层,语义信息,边缘特征,挑战赛,Dice,豪斯多夫距离,比基,分割方法,分割网络,医学图像,注意力机制
AB值：
0.335698
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。
