融合傅里叶变换和可学习矩阵的肝脏肿瘤CT图像分割

摘要

为实现肝脏肿瘤的精确自动分割，构建了一种融合残差注意力的3D深度U形网络用以分割肝脏，以减少背景中其他器官对肿瘤分割的影响。在肝脏分割的基础上，提出了一个融合傅里叶变换和可学习矩阵的门控装置，该装置在过滤无用信息的同时更好地处理边缘部分，提高了模型对肿瘤边缘信息的辨别能力。结果表明，该算法在肝脏肿瘤分割中取得了良好的效果，重合率(dice similarity coefficient, DSC)为78.99%,较3D U-Net模型提高了7.15%,提升了肝脏肿瘤的分割精度，同时具有良好的泛化性能。

关键词

肝脏肿瘤分割 / 残差模块 / 注意力机制 / 傅里叶变换 / 可学习矩阵