《电子测量技术杂志》发表论文赏析

CS-SegNet:新型的脑卒中病灶分割网络

来源:电子测量技术杂志2025年第11期北京时间:

作者:刘煜莹,李超生,李恭新

单位:1.江南大学轻工过程先进控制教育部重点实验室 无锡 214122;2.江南大学附属医院神经内科 无锡 214122

摘要:脑卒中是一种全球范围内导致高死亡率和残疾率的严重疾病,临床上通过早期准确的影像诊断实现早期预防和及时治疗。然而,传统的影像诊断方法对医生的知识水平和经验存在很强的依赖性,容易漏检不明显的病变特征。为此,提出了一种新型图像分割模型CS-SegNet,旨在自动分割脑卒中CT图像中的病灶区域,从而辅助诊断。CS-SegNet基于UNet-Resnet50架构,在下采样阶段引入通道和空间注意力(CASA)模块,增强对关键区域上下文信息的提取能力;在上采样阶段,结合RDSConv模块,通过残差学习和稠密连接优化卷积操作,提高特征表达能力,改善复杂背景下的分割精度;跳跃连接部分引入多尺度通道注意力(MSCA)模块,整合低层次细节信息和高层次语义信息,提升分割结果的精度和一致性。实验结果显示,CS-SegNet在分割准确率、平均交并比和召回率上分别达到99.79%、91.52%和93.83%,比UNet-Resnet50基础网络的性能分别提升了0.14%、5.11%和4.05%,并在多个对比实验中表现最优,相比于现有主流模型,该模型在脑卒中病灶分割中具有有效性以及良好的分割精度与学习能力。

关键词:深度学习;脑卒中病灶分割;特征融合;注意力机制;U-Net

基金资助:国家自然科学基金(61903157)项目资助

2025年11期其他文献查阅:

CS-SegNet:新型的脑卒中病灶分割网络

一种融合几何和深度学习的甘蔗高度测量方法

无监督电子连接器异常检测方法

芯片贴装几何参数高精度测量方法

基于新型趋近律和EKF的PMSM滑模控制器设计

多策略改进PSO的非晶干式变压器优化设计

特征软融合与正负样本对比的弱监督目标定位

多策略改进蜣螂优化算法的无人机航迹规划

基于CNN-BiLSTM-Attention的风电机组故障预警

SDH-DETR轻量化绝缘子缺陷检测算法

采用改进Transformer模型的滚动轴承声振信号故障诊断方法

水声阵元域数据在角域分离的相关性仿真分析

一种星座模板匹配的MQAM调制盲识别方法

IRS辅助无人机轨迹优化在WSN中节能数据采集

用于宽温度范围摆镜控制的电容角位移传感器

基于YOLOv7的雾天实时目标检测方法

改进YOLOv8的煤矿井下低照度图像钻杆计数方法

混合边缘保护和照度显著决策的医学图像融合

基于RT-DETR的复杂果园环境下青橘检测方法

基于数字散斑图像的应变测试技术

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!