基于改进U2-Net网络的多裂肌MRI图像分割算法

针对腰间盘突出患者MRI图像多裂肌病变部位分割精度较低的问题,提出一种改进的U2-Net网络的新模型,目标是使得编码和解码的子网络通过一系列嵌套的跳跃路径来相互连接.重新设计U2-Net模型中RSU-7、RSU-6、RSU-5、RSU-4中间的跳跃连接,RSU-4F部分不变,用来降低编码解码子网络中特征图的语义缺失.为了提取到高质量的多裂肌特征,加入通道注意力模块,通过学习每个通道的权重,使网络能够更好地关注对任务有贡献的通道,从而提升模型的性能.为验证模型的有效性,在多裂肌MRI图像数据集上进行实验,发现相较于U-Net、U2-Net、U-Net++网络结构,骰子系数(Dice)、豪斯多夫距离(HD)以及均交并比(MIoU)3个指标均有优化.实验结果表明,本文提出的算法对于多裂肌的MRI图像分割有较好的效果,能够辅助医生对病情做出判断.

基于注意力机制的腰椎间盘突出患者多裂肌分割方法

为解决分割目标和周围结构边界不清楚的问题,提出一种基于注意力机制的腰椎间盘突出患者多裂肌分割方法。该网络采用了编码器-解码器的结构,通过引入注意力机制模块提升网络分割精度,并在特征提取后引入空洞空间卷积池化金字塔模块,融合了上下文信息,以提升网络模型的性能。实验结果表明,在推理时间接近的情况下,该模型与经典U-Net算法相比,Dice系数提升了7.8%,Jaccard相似系数提升了10.1%,Hausdorff Distance下降了69.5%,提高了多裂肌脂肪浸润部位的分割精度。