典型文献
基于改进U?Net的人脑黑质致密部分割
文献摘要：
人脑黑质致密部分割能够为帕金森病的诊断提供一定依据.黑质致密部在人脑核磁共振成像中像素占比低、类间差异小,为提高计算机辅助诊断系统对人脑黑质致密部的分割精度,提出一种基于改进U形神经网络(U-Net)的人脑黑质致密部分割方法.为了提取更多有效的多尺度图像语义特征,结合U-Net的跨连接结构并采用多头注意力机制,同时融合基于Transformer编码器的高维语义编码模块以提取高维语义特征,避免浅层噪声对特征造成的影响.建立多任务模型并设计基于二维高斯核权重掩膜的损失函数,解决神经网络分割模型因多次下采样造成的不连续分割误差问题.构建包括140个帕金森病患者以及48个健康对照者的高精度核磁共振脑成像数据集进行实验,结果表明,相较常用的医疗影像分割方法R2U-Net、HANet等,该方法的多任务分割效果取得明显提升,戴斯相关系数和AUC指标分别达到0.8691和0.9439,消融实验结果也验证了改进编码器和改进损失这2个模块的有效性.
文献关键词：
图像分割;帕金森病;黑质致密部;U形神经网络;Transformer模块;多任务学习
中图分类号：
作者姓名：
曹加旺;田维维;刘学玲;李郁欣;冯瑞
作者机构：
复旦大学 工程与应用技术研究院,上海 200433;复旦大学附属华山医院 放射科,上海 200433
文献出处：
引用格式：
[1]曹加旺;田维维;刘学玲;李郁欣;冯瑞-.基于改进U?Net的人脑黑质致密部分割)[J].计算机工程,2022(11):14-21,29
A类：
HANet
B类：
人脑,脑黑质,黑质致密部,核磁共振成像,像素,类间差异小,计算机辅助诊断系统,形神,分割方法,语义特征,连接结构,多头注意力机制,Transformer,编码器,高维,维语,语义编码,多任务模型,高斯核,掩膜,损失函数,分割模型,多次下,下采样,帕金森病患者,脑成像,医疗影像,影像分割,R2U,任务分割,分割效果,消融实验,图像分割,多任务学习
AB值：
0.319891
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。
