基于区域生长的肝脏影像分割系统设计

目前,在临床治疗中对肝脏类疾病进行诊断治疗仍需要医生根据临床经验手动对腹腔CT中的肝脏影像进行分割,该方法综合效率低,且十分容易受到外界因素的影响.随着计算机技术的不断发展,使用医学影像技术对腹腔CT进行肝脏影像分割为肝脏影像分割提供了全新的思路.该文将区域生长法与图像处理方法进行了创新融合,设计了一个新型肝脏影像分割系统.测试结果表明:该系统对于不同患者、不同角度的腹腔CT图像,可以做到高效、完整的肝脏影像分割,适用性广泛.

基于多尺度空间Transformer的肝脏分割方法

肝脏器官尺度多样且与周围器官高度相似,很难从腹部计算机影像中准确分割出肝脏区域,现有的很多方法将CNN和Transformer相结合以得到图像局部和全局特征依赖关系,从而取得了更好的性能。然而,简单的组合方法忽视了图像分割中多尺度特征融合和注意力机制的重要性,没有很好地解决肝脏分割问题。该文提出了一种用于肝脏分割的多尺度空间Transformer与交叉自注意机制的三维肝脏影像分割方法。该方法首先采用CNN和Transformer相结合的方式逐步提取不同尺度的特征信息使网络对肝脏及其周围组织的识别更加准确;接着利用多尺度空间Transformer对不同层次和尺度特征的图像在空间维度上融合,提高了网络对肝脏边缘的定位能力;最后在解码器中设计了交叉自注意引导融合模块减少噪声等不相关信息带来的干扰,提高分割质量。在LiTS、CHAOS、Sliver07和某医院MRI数据集上进行了对比和消融实验,实验结果表明,该方法相较于当前的主流网络具有更好的分割性能和临床应用前景。