基于MSFA-Net的肝脏CT图像分割方法

从患者的腹部CT图像中自动分割出肝脏对于肝脏疾病的诊断意义重大。由于在U-Net中使用自下而上的特征融合方式忽略了低级特征的重要性,导致网络分割性能较差,以及肝脏与相邻器官组织的灰度值较为相似,使得一些微小的细节特征不易被关注。针对以上问题,提出了一种基于多尺度语义特征融合和注意力机制的肝脏分割网络(MSFA-Net)。首先,使用空洞残差卷积(DRC)捕获多尺度特征;然后,采用MSFA模块将自上而下和自下而上的多尺度特征融合方法与注意力机制相结合,来充分融合多尺度特征和关注微小特征;最后,通过深度监督(DS)对特征图求和来提升分割效果。在MICCAI2017 LiTS和3DIRCADb数据集上进行了消融研究,在LiTS数据集上获得了0.961和0.965的DC和DG评分,比基线网络分别提高了3.4%和2.0%;在3DIRCADb数据集上,其DC和DG评分同为0.965,比基线网络分别提高了3.5%和3.3%。