点击次数：

论文类型：期刊论文

发表时间：2020-01-01

发表刊物：计算机与现代化

所属单位：[1] 大连大学大连理工大学

刊物所在地：中国

学科门类：[1] 临床医学 [2] 神经病学 [3] 计算机软件及计算机应用 [4] 自动化技术

期号：10

页面范围：44-50

ISSN号：1006-2475

关键字：segmentation，white matter hyperintensities，pyramidal pooling，attention mechanism

摘要：脑白质病变影像的自动分割对于大脑疾病的临床诊断和研究具有重要的辅助作用。目前,研究者们主要采用深度学习解决脑白质病变部位的自动分割问题,虽取得一定成果,但仍存在分割精度不高、小病变无法被精确分割的问题。本文提出一种融合残差、金字塔池化和注意力机制的3D全卷积深度神经网络模型。该模型采用残差连接避免深层网络的梯度消失;采用金字塔池化聚合更多的上下文信息;采用注意力机制定位感兴趣的目标。各模块顺次衔接,构建具有较强学习能力的卷积模块链,并在链条两端分别附加上、下采样结构,形成完整的端到端模型。实验在MICCAI 2017数据集上进行,结果表明,本文方法的分割结果 DSC得分为0.762,召回率为0.727,精确率为0.801,特异性为0.991,优于对比的其他方法。

DOI码：10.3969/j.issn.1006-2475.2020.10.009

影响因子：0.803