基于多任务学习的肝脏肿瘤自动分割方法

• 作者: 萧力芮 王晓东 姚宇 康天赐
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 深度学习 图像分割 多任务学习 注意力机制
• 年，卷（期）: 2021,（z2）
• 所属期刊栏目: 应用前沿、交叉与综合|Frontier & interdisciplinary applications
• 页码范围: 357-361
• 页数: 5页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2021020248

摘要

针对深度学习医学影像分割所需的标注数据获取困难且数量少的问题,提出一种基于多任务学习的肝脏肿瘤自动分割方法.提出该方法的主要动机一方面是想要缓解分割数据样本少的问题,另一方面是想要利用不同任务之间有用的信息来提升整体的学习效果.该方法所采用数据集一部分是逐像素的分割数据集,一部分是形式为bounding-box的目标检测数据集.该方法首先通过共享主网络挖掘不同任务之间的相关性,提取通用的特征,然后两个子任务分支通过注意力机制从共享主网络上提取对自身有用的特征,最后两个子网络结合自身的特异性特征与主网络上提取的通用特征来分别完成检测与分割任务.实验结果表明,在一定的样本比例下,该方法相较于U-Net的Dice系数提升了6.67个百分点,表明该方法能够有效利用额外的目标检测数据来提高分割任务的精度.