基于全局注意力机制的肝脏血管分割

肝癌仍然是世界癌症死亡的主要原因,如今血管介入治疗是其主要的治疗方式,同时肝脏血管影像在该过程中有着关键作用,能够为专业的医生提供重要的参考价值.但是通过人工来标注血管是复杂且耗时的任务,因此实现自动肝脏血管分割对相关工作有着重大意义.本文提出了注意力门控单元,用于提高网络信息提取能力,并将该单元与UNetR网络相结合,提出一种新的网络结构——UNetR-AGM.在对腹部CT的预处理上使用了均衡过滤策略,不仅提高血管和周围组织的对比度,而且能够对血管完成粗分割.为了验证所提出方法有效性,本文将UNetR-AGM与其他人员的研究方法在MSD(medical segmentation decathlon)数据集上进行对比,并分析算法的准确性.实验结果表明,本文采用的方法与其他模型相比具有更好的效果.