改进TransUnet模型的脊柱CT图像实例分割方法

摘要

针对在椎骨实例分割任务中3D卷积神经网络计算量大的问题，提出一种基于改进TransUnet模型的脊柱CT图像实例分割方法，在CT图像二维矢状面上完成对脊柱中各椎骨的实例分割。首先，在TransUnet网络的基础上进行改进，结合多尺度特征融合提高模型对脊柱边缘的分割精度。其次，提出一种混合注意力特征融合模块(MAFF),减少多尺度特征融合中的重复计算，提高模型的效率。最后，针对椎骨实例分割任务，提出一种矢状面切片迭代分割方法，从而减少椎骨实例分割结果中分类错误的情况。实验结果表明，所提脊柱实例分割方法在Dice系数上得分为91.12%,相较于Trans Unet提高了8.47%,计算量相较于典型3D卷积方法中的Iterative FCN网络减少了78.6%,证明了所提方法的有效性。

关键词

脊柱CT图像 / TransUnet网络 / 注意力机制 / 迭代分割 / 图像分割