基于深度学习的结直肠腺体自动分割算法研究

为实现腺体自动化分割,减轻病理学医生的工作量,帮助医生做出更加准确的临床决策,提出一种基于注意力机制和可变形卷积的适合腺体分割的深度神经网络模型(Adaptive-Gland-Segmentation-Net,AGS-Net)。该模型使用分组卷积和注意力机制使模型具有更强的表征能力,增加可变形卷积层以适应不同分化程度的腺体形状。在GlaS数据集上,加入染色标准化预处理的AGS-Net在检测结果、分割性能和形状相似性等三方面与竞争方法相比,具有很大的优势。