脑部海马区域MRI图像自动分割

摘要

目的 实现脑部MRI图像中海马体区域的自动精准分割。方法 本研究提出了一种基于深度学习的海马体自动分割框架AF-VNet,通过在网络输出层添加注意力机制模块，提升海马体分割精度。此外，引入Focal Loss损失函数和增加通道数，避免训练样本不均衡。结果 采用AF-VNet分割左右海马得到的分割Dice系数为0.878 7±0.028 1,相对于基准VNet提升了2.37%。结论 该方法提高了海马体分割的准确性，具有一定的临床应用价值，可为神经退行性疾病的诊断和治疗提供辅助工具。

关键词

海马体分割 / 深度学习 / 注意力机制 / 损失函数