RPM-Net:融合多路注意和混洗的胸腔多器官分割算法

为了提高肿瘤周围健康器官分割的准确性,提出了基于U-Net结构,结合多路注意和像素混洗的网络模型:RPM-Net.网络使用融合转换残差模块,来捕获器官完整的空间背景.像素混洗模块作为上采样部分以得到高分辨率图像信息.在解码层使用多路注意融合模块,进一步提取器官的判别特征.在ISBI 2019 SegTHOR挑战赛中,对40个胸部多器官训练样本进行分割,以Dice系数和HD距离作为主要评判标准,该方法在测试样本中食道、心脏、气管和主动脉的Dice系数分别达到0.824 1、0.942 7、0.904 2和0.929 9,HD距离分别为0.401 1、0.176 1、0.224 7和0.271 6.实验结果表明:该算法在胸部多器官分割效果上更具竞争力.