基于利尿肾图的新型肾实质自动分割算法

尽管深度学习图像分割技术在医学图像处理中取得了良好的效果,但由于利尿肾动态显像具有噪声明显、对比度低、图像质量差和边界不清晰的特点,大多数现有的分割方法在获取感受野和提取图像特征信息方面仍然面临很大的挑战。为了解决上述问题,本文提出了一种新的肾实质自动分割算法,该算法采用的是Swin-Transformer编码器与解码器,并且结合了特征融合模块、连续扩张卷积模块与深度注意力模块。特征增强模块中的空间金字塔池模块,可以弥补空间表征并产生多尺度表征。连续扩张卷积能通过获取多尺度上下文聚合来扩大感受野。注意力模块通过顺序捕获多尺度编码器特征之间的关系来解决编码器和解码器特征之间的语义差距。该算法应用于私人的利尿肾造影数据集。仿真实验结果表明,与其他深度学习分割方法比较,该方法可以显著提高肾脏分割性能。