基于多尺度注意力的器官图像分割方法

卢家辉; 陈庆锋; 王文广; 余谦; 何乃旭; 韩宗钊

doi:10.16088/j.issn.1001-6600.2023112501

广西师范大学学报（自然科学版） ›› 2024, Vol. 42 ›› Issue (06) : 138 -148. DOI: 10.16088/j.issn.1001-6600.2023112501

基于多尺度注意力的器官图像分割方法

卢家辉, 陈庆锋, 王文广, 余谦, 何乃旭, 韩宗钊

作者信息 +

Author information +

文章历史 +

摘要

图像分割技术是医学图像研究领域的重要分支，该技术有助于医生对癌症的诊断和治疗。为进一步提高图像分割的精确度，本文提出一种多尺度轴向注意力模型MAU-Net(multi-scale axial attention U-Net)用于器官图像分割。首先，该模型在编码器阶段采用深度残差网络来提取图像特征，提高模型泛化能力；其次，使用像素块融合模块(pixels fuse module, PFM)对编码器的特征信息进行再编码和线性增强，增强特征的位置信息提取能力；最后，在解码器间加入多分支轴向注意力模块(multi-branch axial attention module, MAM)来捕捉上下文信息，从而增强模型识别关键特征信息能力。在Synapse、ACDC、SegTHOR等多个多器官图像数据集上的实验结果表明，MAU-Net在器官识别和边缘预测方面均能实现更好的效果。