融合小波变换的多尺度注意力医学图像分割网络

摘要

针对图像分割模型中编码器与解码器之间的语义鸿沟，以及图像在传播的过程中会受到噪声的干扰，导致精准分割难以实现的问题，提出一种WMDUNet新型网络模型，使用离散小波变换对编码器中的特征图进行下采样，提取低频特征分量并去除高频特征分量以消除噪声。并采用多尺度双重注意力来增强跳跃连接，弥补编码器与解码器之间的语义鸿沟，实现高精准的医学图像分割。该方法在ACDC和PROMIS12数据集上有3个评价指标达到最优，骰子相似系数均值分别为91.46%和85.85%，交并比均值分别为87.64%和75.22%，豪斯多夫距离均值分别为1.22和3.51 mm，证明该方法的有效性。

关键词

医学图像分割 / 编码器-解码器结构 / 离散小波变换 / 多尺度注意力