SDRNet:基于空间信息恢复的医学图像分割网络

• 作者: 王晓茹 田塍 徐培容 张珩
• 来源期刊: 应用科技
• 学科: 工学
• 关键词: 医学图像分割 卷积神经网络 空间信息 多分支结构 注意力机制 特征强化模块 边缘 小区块
• 年，卷（期）: 2022,（2）
• 页码范围: 15-19,39
• 页数: 6页
• 分类号: TP183
• 语种: 中文
• DOI: 10.11991/yykj.202105004

摘要

利用深度神经网络解决医学图像分割任务的模型有很多,但这些模型普遍忽视了深度神经网络中由多次下采样操作导致的空间细节丢失的问题,而空间细节中包含大量小区块,边缘等关键信息,这些细节的丢失会导致模型整体性能下降,也会使得分割结果的医疗辅助价值降低.本文提出了一种空间信息恢复网络(SDRNet)来解决上述难题.首先本文提出了空间信息注意力分支(SDAB)优化空间信息的抽取与表达,同时降低对语义信息的干扰;然后提出了特征强化模块(FEM)增强模型对语义信息的编码表达能力,优化训练过程.LUNA数据集上的实验结果表明,提出的模块能协同工作,更好地处理边缘细节和小区块,SDRNet在2个模块的协同作用下能实现更优的分割性能,超越了对比的经典方法,实现了96.44％的平均交并比.