-
题名基于卷积和可变形注意力的脑胶质瘤图像分割
- 1
-
-
作者
高宇飞
马自行
徐静
赵国桦
石磊
-
机构
郑州大学网络空间安全学院
嵩山实验室
郑州大学计算机与人工智能学院
郑州大学第一附属医院
-
出处
《郑州大学学报(工学版)》
CAS
北大核心
2024年第2期27-32,共6页
-
基金
国家自然科学基金资助项目(62006210)
河南省重大公益专项(201300210500)
郑州大学高层次人才科研启动基金(32340306)。
-
文摘
对于脑胶质瘤图像分割这类密集预测的医学影像分割任务,局部和全局依赖关系都是不可或缺的,针对卷积神经网络缺乏建立全局依赖关系的能力,且自注意力机制在局部细节上捕捉能力不足等问题,提出了基于卷积和可变形注意力的脑胶质瘤图像分割方法。设计了卷积和可变形注意力Transformer的串行组合模块,其中卷积用于提取局部特征,紧随其后的可变形注意力Transformer用于捕捉全局依赖关系,建立不同分辨率下局部和全局依赖关系。作为一种CNN-Transformer混合架构,所提方法不需要任何预训练即可实现精准的脑胶质瘤图像分割。实验结果表明:所提方法在BraTS2020脑胶质图像分割数据集上平均Dice系数和平均95%豪斯多夫距离分别为83.56%和11.30 mm,达到了与其他脑胶质瘤图像分割方法相当的分割精度,同时降低了至少50%的计算开销,有效提升了脑胶质瘤图像分割的效率。
-
关键词
深度学习
脑胶质瘤图像分割
卷积神经网络
TRANSFORMER
自注意力机制
-
Keywords
deep learning
brain glioma image segmentation
CNN
Transformer
self-attention mechanism
-
分类号
O244
[理学—计算数学]
TP391.41
[自动化与计算机技术—计算机应用技术]
-