基于深度卷积和三向注意力感知的胰腺分割算法

摘要

针对胰腺分割任务中因体积较小且解剖结构复杂带来的挑战，提出一种级联的3D胰腺分割网络（CPS-Net）。CPS-Net由两部分组成：第一部分采用ResUNet快速定位胰腺区域，第二部分使用融合深度卷积（DCB）和三向注意力感知模块（ToSA）的网络来细化分割结果。DCB通过逐层提取多尺度特征，显著增强胰腺与周围组织之间的区分能力。而ToSA则结合轴向注意力、平面注意力和窗口注意力机制，全面捕捉胰腺在复杂背景中的细节结构。CPS-Net在NIH公开数据集上的Dice相似性系数、阳性预测值、敏感性和Hausdorff距离指标分别达到（87.42±1.58）%、（87.42±3.52）%、（87.74±4.58）%和（0.22±0.08）mm。实验结果表明，CPS-Net表现优于当前主流分割网络，显著提升胰腺分割精度。

关键词

胰腺 / 深度卷积 / 三向注意力 / 级联网络