[1]刘遵雄,陈子涵,蔡体健,等.基于多尺度细节增强的脑瘤图像分割研究[J].中国医学物理学杂志,2024,41(7):828-935.[doi:DOI:10.3969/j.issn.1005-202X.2024.07.007]
　LIU Zunxiong,CHEN Zihan,CAI Tijian,et al.Brain tumor image segmentation based on multi-scale detail enhancement[J].Chinese Journal of Medical Physics,2024,41(7):828-935.[doi:DOI:10.3969/j.issn.1005-202X.2024.07.007]
点击复制

基于多尺度细节增强的脑瘤图像分割研究()
分享到：

《中国医学物理学杂志》[ISSN:1005-202X/CN:44-1351/R]

卷:
41卷
期数:
2024年第7期
页码:
828-935
栏目:
医学影像物理
出版日期:
2024-07-25

文章信息/Info

Title:
Brain tumor image segmentation based on multi-scale detail enhancement
文章编号:
1005-202X（2024）07-0828-08
作者:
刘遵雄; 陈子涵; 蔡体健; 陈均; 罗词勇
华东交通大学信息工程学院， 江西 南昌 330013
Author(s):
LIU Zunxiong;  CHEN Zihan;  CAI Tijian;  CHEN Jun;  LUO Ciyong
School of Information Engineering, East China Jiaotong University, Nanchang 330013, China
关键词:
脑肿瘤; 图像分割; 注意力机制; 辅助分类器
Keywords:
Keywords: brain tumor image segmentation attention mechanism auxiliary classifier
分类号:
R318；TP391
DOI:
DOI:10.3969/j.issn.1005-202X.2024.07.007
文献标志码:
A
摘要:
针对脑瘤图像分割网络的跳跃连接引起的语义特征传递不平衡，以及多尺度特征关联不足，导致细节特征丢失，从而造成对细小目标肿瘤的分割精度不佳的问题，提出一种改进的Res-Unet框架的分割模型。该模型引入多尺度注意力融合模块，通过混合多尺度特征使模型更好地适应不同尺寸的肿瘤；该模型在跳跃连接中引入空间注意力模块，增强特征表达同时避免无用信息的干扰，保留特征图空间细节特征；最后通过辅助分类器模块，在解码器部分对不同尺度特征图进行特征预测。使用BraTS2020数据集进行实验和评估，使用Dice系数来评估模型分割效果。结果显示，改进的网络在全肿瘤区域、肿瘤核心区域和增强肿瘤区域的Dice系数分别为0.887 7、0.822 9、0.802 7，相比于通道注意力模型增强肿瘤区域和肿瘤核心区域的系数分别提升2.6%和0.14%，证明改进模型在脑瘤核磁共振图像分割的有效性和精确性。
Abstract:
Abstract: Given that the imbalance of semantic feature transfer caused by the skip connection of the brain tumor image segmentation network and the insufficient correlation of multi-scale features lead to the loss of details, resulting in poor segmentation accuracy for small tumors, an improved segmentation model of the Res-Unet framework is proposed. The model introduces a multi-scale attention fusion module which makes the model better adaptable to tumors of different sizes by mixing multi-scale features, and adds a spatial attention module to the skip connection to enhance feature expression while avoiding the interference of useless information, preserving the spatial details of feature maps. Through the auxiliary classifier module, the decoder performs feature prediction on feature maps of different scales. The BraTS2020 dataset is used for experiments and evaluations, and the model segmentation performance is evaluated with Dice score. The results show that the improved network achieved average Dice scores of 0.887 7, 0.822 9, and 0.802 7 for whole tumor, tumor core, and enhancing tumor, respectively. Compared with the channel attention model, the improved model increases the scores of enhancing tumor and tumor core by 2.6% and 0.14%, respectively, which proves its effectiveness and accuracy for brain tumor MR image segmentation.

相似文献/References:

[1]陈海斌,甄 鑫,周凌宏.基于先验的随机游走算法在医学图像分割中的应用[J].中国医学物理学杂志,2015,32(02):174.[doi:10.3969/j.issn.1005-202X.2015.02.005]
[2]王晓飞,聂生东,王远军,等.基于MRI的脑肿瘤计算机辅助检测技术研究进展[J].中国医学物理学杂志,2014,31(01):4635.[doi:10.3969/j.issn.1005-202X.2014.01.010]
[3]许红玉,蔡坦坦,叶良凯,等.分水岭算法在CT图像分割中的应用[J].中国医学物理学杂志,2014,31(06):5272.[doi:10.3969/j.issn.1005-202X.2014.06.012]
[4]万俊,聂生东,王远军,等.基于MRI的脑肿瘤分割技术研究进展[J].中国医学物理学杂志,2013,30(04):4266.[doi:10.3969/j.issn.1005-202X.2013.04.013]
[5]周露,张书旭,余辉,等.PET-CT图像配准的预处理研究[J].中国医学物理学杂志,2013,30(05):4392.[doi:10.3969/j.issn.1005-202X.2013.05.012]
[6]谷珊珊,张怀文,王运来.基于水平集稳健特征统计算法的脑肿瘤自动分割研究[J].中国医学物理学杂志,2016,33(1):63.[doi:10.3969/j.issn.1005-202X.2016.01.014]
　[J].Chinese Journal of Medical Physics,2016,33(7):63.[doi:10.3969/j.issn.1005-202X.2016.01.014]
[7]刘国才,胡泽田,朱苏雨,等.头颈部肿瘤PET与MRI融合放疗靶区自适应区域生长勾画[J].中国医学物理学杂志,2016,33(3):222.[doi:10.3969/j.issn.1005-202X.2016.03.002]
　[J].Chinese Journal of Medical Physics,2016,33(7):222.[doi:10.3969/j.issn.1005-202X.2016.03.002]
[8]贾高杰,邱崧,蔡茗名,等.三维点云重构和体显示在医学辅助诊断中的应用[J].中国医学物理学杂志,2016,33(6):593.[doi:10.3969/j.issn.1005-202X.2016.06.012]
　[J].Chinese Journal of Medical Physics,2016,33(7):593.[doi:10.3969/j.issn.1005-202X.2016.06.012]
[9]徐艳红,张晋建,黎静,等.影像增强剂对脑瘤螺旋断层放疗剂量计算的影响[J].中国医学物理学杂志,2016,33(8):757.[doi:10.3969/j.issn.1005-202X.2016.08.001]
　[J].Chinese Journal of Medical Physics,2016,33(7):757.[doi:10.3969/j.issn.1005-202X.2016.08.001]
[10]张泽凡,张东.基于交叉熵和GVF-Snake的子宫肌瘤高强度聚焦超声图像自动分割算法[J].中国医学物理学杂志,2016,33(8):776.[doi:10.3969/j.issn.1005-202X.2016.08.005]
　[J].Chinese Journal of Medical Physics,2016,33(7):776.[doi:10.3969/j.issn.1005-202X.2016.08.005]
[11]赖胜圣,刘虔铖,张刚平.基于模糊C均值自动随机游走算法在脑肿瘤分割中的应用[J].中国医学物理学杂志,2015,32(05):707.[doi:doi:10.3969/j.issn.1005-202X.2015.05.021]

备注/Memo

备注/Memo:
【收稿日期】2024-01-29 【基金项目】国家自然科学基金（62166018）；江西省重点研发计划（20203BBE53029）；江西省自然科学基金（20232BAB202055） 【作者简介】刘遵雄，博士，教授，研究方向：深度学习、计算机视觉、图像处理、金融数据分析，E-mail: darrent.liuzx@gmail.com
更新日期/Last Update: 2024-07-12