咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >基于深度卷积和三向注意力感知的胰腺分割算法 收藏

基于深度卷积和三向注意力感知的胰腺分割算法

Pancreas segmentation algorithm based on depth-wise convolution and tri-orientated spatial attention

作     者:谭璐露 冯前进 TAN Lulu;FENG Qianjin

作者机构:南方医科大学生物医学工程学院广东广州510515 广东省医学图像处理重点实验室广东广州510515 

出 版 物:《中国医学物理学杂志》 (Chinese Journal of Medical Physics)

年 卷 期:2025年第42卷第1期

页      面:37-42页

学科分类:0831[工学-生物医学工程(可授工学、理学、医学学位)] 08[工学] 0836[工学-生物工程] 

基  金:国家自然科学基金(62471214) 

主  题:胰腺 深度卷积 三向注意力 级联网络 

摘      要:针对胰腺分割任务中因体积较小且解剖结构复杂带来的挑战,提出一种级联的3D胰腺分割网络(CPS-Net)。CPS-Net由两部分组成:第一部分采用ResUNet快速定位胰腺区域,第二部分使用融合深度卷积(DCB)和三向注意力感知模块(ToSA)的网络来细化分割结果。DCB通过逐层提取多尺度特征,显著增强胰腺与周围组织之间的区分能力。而ToSA则结合轴向注意力、平面注意力和窗口注意力机制,全面捕捉胰腺在复杂背景中的细节结构。CPS-Net在NIH公开数据集上的Dice相似性系数、阳性预测值、敏感性和Hausdorff距离指标分别达到(87.42±1.58)%、(87.42±3.52)%、(87.74±4.58)%和(0.22±0.08)mm。实验结果表明,CPS-Net表现优于当前主流分割网络,显著提升胰腺分割精度。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分