女性盆底肌肉MRI图像中多目标自动分割模型

针对女性盆底肌肉结构复杂且目标较小,导致难以快速、准确分割图像中目标肌肉的问题,提出一种基于改进注意力U型网络(attention u-shaped network,attention U-Net)的磁共振成像(magnetic resonance imaging,MRI)图像下女性盆底肌肉自动分割的多尺度卷积块注意力机制U型网络(multi-scale convolutional block attention module U-Net,MCAtt-UNet)新模型。该模型利用多尺度卷积块注意力模块(multi-scale convolutional block attention module,MCBAM)捕获更丰富的图像特征,其多尺度特性更有利于小目标肌肉特征的提取;同时,通过在编码和解码过程中嵌入全局上下文模块,能充分利用上下文信息更好地捕获全局特征。在重庆某医科类大学提供的数据集(包含49例女性盆底肌肉的MRI图像)上进行实验,采用戴斯相似系数(Dice similarity coefficient,Dice)、像素精度(pixel accuracy,PA)和交并比(intersection over union,IOU)3种指标验证分割性能,Dice、PA和IOU分别达到76.03%、75.76%和64.15%,整体分割效果优于其他网络。结果证明,该模型为女性盆底肌肉的多目标分割提供了一种可选方案,有助于辅助临床盆底相关疾病快速准确地诊疗。