MCA-Net：多尺度综合注意力CNN在医学图像分割中的应用

• 作者: 丁才富 杨晨 纪秋浪 王阳 张兵
• 来源期刊: 微电子学与计算机
• 学科: 工学
• 关键词: 医学图像分割 因式分解 双路径融合块 通道注意力 空间注意力 多尺度注意力块
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 计算机工程与应用
• 页码范围: 71-77
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19304/J.ISSN1000-7180.2021.0950

摘要

医学图像自动分割技术具有辅助临床医学诊断的功能.为改善CNN模型在医学图像分割中存在感受野小及细节特征不敏感等问题，基于多尺度策略以及注意力机制，提出一种多尺度综合注意力的U形网络架构，以提升医学图像分割质量.首先，提出一个新的双路径因式分解多尺度融合块，以扩展图像特征的感受野，进一步提取图像特征的细节信息.其次，在架构中融入通道和空间融合自注意力块，利用注意力机制的特性，抑制不相关的部分或背景以突显深层特征的空间信息.最后，引入多尺度注意力块.该模块通过融合多个尺度的特征信息，以突出不同尺度中最显著的特征图来适应当前分割对象的大小.为验证模型的可靠性，将所提出的网络模型应用于肺部、细胞轮廓及肝脏等医学图像分割任务.实验结果表明，所提方法在准确率、Dice系数、AUC及灵敏度等评估指标上均优于目前用于医学图像分割的主流方法。