基于十字注意力机制改进U-Transformer的新冠肺炎影像分割

针对新冠肺炎CT片病灶部分分割检测困难、背景干扰多以及小病灶点易被忽略的问题,提出一种基于注意力机制改进U-Transformer的分割方法。利用注意力机制提升分割精度,修改U-Transformer网络卷积层中间的注意力模块,并提出十字注意力机制,使网络对病灶边缘的分割更为精确。在网络结构中添加全局-局部分割策略,使得对小病灶点的提取更加准确。实验结果表明,改进方法较U-Transformer的精度提高了5.96%,召回率提高了7.11%,样本相似度提高了6.49%,说明改进方法对小病灶点提取具有较好效果。拓展深度学习方法到医疗影像诊断中,有助于放射科医生更快捷、有效地进行病情诊断。