基于上下文特征感知和双频上采样的食管早癌图像分割

目的:针对食管早癌图像分割过程中病灶边缘等细节信息丢失的问题,在U-net基础上提出一种基于上下文特征感知和双频上采样的食管早癌图像分割网络。方法:利用注意力机制和可分离空洞卷积改进上下文特征感知模块,获取全文上下文信息,提取更多特征细节。提出双频上采样模块,分别从高频和低频进行上采样,有效减少单一上采样因像素插值产生的锯齿效应和转置卷积造成的棋盘效应,减少细节信息的丢失。结果:本文方法的平均交并比、敏感度和特异性分别达到80.34%、87.47%和91.53%。结论:本文模型优于nnU-Net等主流语义分割模型,保留更多的细节信息,提高食管早癌图像分割精度。