摘要：针对计算机断层扫描图像中肝脏肿瘤边界模糊、类型多样、与周围组织对比度低等特点，以及现有网络对医学图像中的纹理信息利用不充分等问题，提出了一种结合多分支纹理特征提取和注意力机制的肝脏肿瘤自动分割方法。首先，设计了一个并行卷积编码器，替换基准网络U-Net中的双卷积模块，用于提取两种不同感受野下的表层特征；接着，提出了一个纹理特征提取网络，将其搭建于U-Net的跳跃连接部分，以提取多尺度特征下肝脏肿瘤的深层纹理信息；随后，在解码阶段引入了一个带有残差路径的通道注意力模块，旨在有效捕获通道间的依赖关系，增强肝脏肿瘤分割任务相关特征。将所提方法在LiTS2017和3DIRDCADb-01肝脏肿瘤分割数据集上进行了实验论证，结果表明，所提方法在评价指标和可视化结果上均优于对比方法，对于小尺寸和边界模糊的肿瘤分割具有优势，有望为肝脏肿瘤筛检提供新的参考。
文章目录
0 引言
1 相关工作
1.1 纹理特征提取
1.2 注意力机制
2 方法
2.1 数据预处理
2.2 MBTFEAM-UNet网络
2.2.1 整体结构
2.2.2 并行卷积编码器
2.2.3 纹理特征提取网络
2.2.4 注意力模块
2.3 损失函数
3 实验结果与分析
3.1 数据集
3.2 数据扩充
3.3 评价指标
3.4 实验环境与参数设置
3.5 结果与分析
3.5.1 激活函数对分割性能的影响
3.5.2 MBTFE模块数量对分割精度的影响
3.5.3 损失函数权重对分割性能的影响
3.5.4 中间层特征分析
3.5.5 对比实验
3.5.6 结果可视化分析
3.5.7 消融实验
3.5.8 跨器官分割能力评估
4 结论
数据可用性声明
