详情页 - 河北大学附属医院知识库

当前位置：首页 > 详情页

结合肺先验与协同深监督的肿瘤自动分割

Automatic segmentation of tumors combining lung prior and synergetic deep supervision

文献详情

资源类型：

收录情况： ◇ 统计源期刊 ◇ 北大核心

作者：

机构： [1]河北省机器学习与计算智能重点实验室,河北保定 071002 [2]河北大学数学与信息科学学院,河北保定 071002 [3]河北大学附属医院放射科,河北保定 071000 [4]河北大学电子信息工程学院,河北保定 071002

出处：

DOI：

ISSN：

关键词： 注意力机制复杂肺肿瘤分割语义上下文先验协同深度监督

摘要：

计算机断层扫描图像中复杂肺肿瘤(CLT)的自动分割面临2个挑战:1)肿瘤与邻近组织之间的类间不区分;2)肿瘤内的类内不一致性.为了解决这2个问题,提出将肺肿瘤与肺之间关系的语义上下文先验纳入分割模型中,以便于模型学习到语义上下文特征,并从宏观角度重新思考CLT的分割.利用信息熵对肺形状的解剖先验进行建模.在三分类的U-Net网络中嵌入提出的新型注意模块,从而通过特定领域的知识来指导训练过程.另外,设计了一个可以获得肿瘤边界结构图以及保持肿瘤内部特征一致性的边界增强辅助网络.在此基础上,开发了一个协同深度监督网络框架(CLT-ASegNet),该框架利用混合多尺度语义特征融合进一步提高了模型的判别能力和收敛速度.CLT-ASegNet在CLTCTI分割数据集和Lung16数据集上进行了评估.实验结果表明,所提出的CLT-ASegNet可以有效分割肺肿瘤.

基金：

语种：

第一作者：

第一作者机构： [1]河北省机器学习与计算智能重点实验室,河北保定 071002 [2]河北大学数学与信息科学学院,河北保定 071002

通讯作者：

推荐引用方式(GB/T 7714)：

相关文献

[1]基于感受野扩增和注意力机制的u-net脑肿瘤mr图像分割 [2]Hyperspectral-attention mechanism-based improvement of radiomics prediction method for primary liver cancer [3]ISANET: Non-small cell lung cancer classification and detection based on CNN and attention mechanism [4]基于表面肌电信号的手指关节角度估计方法 [5]A deep model towards accurate boundary location and strong generalization for medical image segmentation [6]SGBTransNet: Bridging the semantic gap in medical image segmentation models using Transformers [7]Brain tumor magnetic resonance image segmentation by a multiscale contextual attention module combined with a deep residual UNet (MCA-ResUNet) [8]基于边缘激励的超声检测影像质量提升机制 [9]TBACkp: HER2 expression status classification network focusing on intrinsic subenvironmental characteristics of breast cancer liver metastases [10]冠心病合并的原发性甲状腺功能减退临床漏误诊分析