BiNETR：基于双流金字塔解码器和深监督的MRI颅骨分割方法

摘要

磁共振图像颅骨分割为MEG、EEG正问题提供真实的颅骨模型。为解决因MRI颅骨成像模糊、结构复杂导致难以分割的问题，提出基于双流金字塔解码器和深监督的MRI颅骨分割方法。该方法在编-解码的网络结构中以双流金字塔解码器作为主解码器，包括串行的边缘信息引导和精细特征融合双解码器。边缘信息引导金字塔解码器基于特征锐化有效增强边缘信息，提高边缘分割精度。精细特征融合金字塔解码器对边缘增强后特征进一步细化和重用，促进深层、浅层特征的融合。此外，引入深监督计算中间特征损失，从而将梯度植入深层网络，增强网络的训练。分割算法在颅骨数据集进行验证，Dice相似系数为0.880±0.039，平均对称表面距离为（0.931±0.286）mm，性能优于其他先进方法。实验结果表明该算法在MRI颅骨分割任务中的有效性和准确性。

关键词

颅骨分割 / 深度学习 / 双流金字塔 / 磁共振成像 / 深监督