并行双分支融合网络及其在医学图像分割中的应用

摘要

医学成像技术能够清晰展示患者的解剖结构，辅助医生非侵入性观察患者体内结构和功能.近年来，基于CNN和Transformer的图像分割算法在医学图像处理领域得到了广泛应用.但两者的结合方式往往过于简单，不能充分发挥其各自的优势.本文提出了一种新型的双分支融合网络(PDBF),该网络在继承编码器-解码器基本结构的基础上，设计了由深度可分离卷积分支和窗口自注意力分支组成的并行模块.这一双分支结构能够同时提取Transformer窗口内和窗口间的特征信息，从而有效扩大感受野.此外，模块中引入了跨分支的双向注意力融合机制，用以弥补因权重共享导致的通道或空间维度上的信息缺失问题.以DSC和HD95为评价指标，本文在BCV、ACDC及私有胰腺肿瘤数据集上的对比实验结果表明，PDBF与其他医学图像分割网络相比，可以取得更好的分割效果.

关键词

医学图像分割 / CNN / Transformer / 注意力机制

基金资助

国家自然科学基金项目(62173232)资助