基于Transformer和CNN交错混合的肺结节分割网络

摘要

针对肺结节尺寸多样、形状异质化高等问题，提出基于Transformer和卷积神经网络（CNN）交错混合（IMTC）的肺结节分割网络，该网络是一个对称的层次连接网络，具有很强的多尺度特征提取能力。该网络通过集成2种方案分别解决肺结节多尺寸与形状异质化问题：(1)采用感知注意力模块（inception attention module,IAM），通过并联多个不同大小的卷积核来增加浅层网络的感受野组合，以此捕获更为丰富的浅层特征；(2)为获取更具表示能力的高级语义特征，利用由Transformer和CNN组成的基本骨干网络交错提取结节特征，使得全局特征与局部特征充分融合，从而提高结节特征表示的泛化能力和鲁棒性。实验结果表明：本文模型可以准确分割直径较小以及边缘复杂的肺结节，在LUNA16公开数据集上分割性能良好，Dice和IOU分别达到86.15%和76.10%。

关键词

肺结节 / Transformer / 卷积神经网络(CNN) / 感知注意力模块(IAM) / 交错混合