基于深度学习的肢体骨肉瘤CT医学图像分割

针对骨肉瘤CT图像自动化分割任务,本文制作了骨肉瘤CT图像数据集Osteosarcoma,并提出具有双特征提取结构Double-CNN的D-TransUNet模型。D-TransUNet模型在深度学习TransUNet分割模型的基础上新增特征提取结构。用3×3卷积核进行特征提取,同时在特征通道上进行缩减和拼接,最后将双特征提取结构提取的图像信息进行融合。模型整体提取的原始图像信息更加丰富,进一步提升了分割精度。