融合CNN和Transformer的三维冠状动脉CT图像分割

来源：电子测量技术杂志2025年第6期北京时间：

作者：潘成龙，刘立程，潘丹

单位：1.广东工业大学信息工程学院 广州 510006;2.广东技术师范大学电子与信息学院 广州 510665

摘要：冠状动脉的分割有利于医生快速诊断心血管疾病，针对冠状动脉复杂结构和其它血管组织干扰带来的难分割，造成大量碎片分割的问题，保证模型对不同形态结构冠脉分割的自适应能力，提出了一种新的三维冠状动脉分割网络模型CA-SegNet。融合CNN和Transformer为骨干网络，利用其优势和互补性，充分提取冠状动脉的局部和全局特征。通过提出多尺度特征交互模块，提取冠脉多尺度特征的同时进行特征通道之间的交互。在解码阶段，提出注意力加权特征融合模块，分别从空间和通道的角度对特征进行加权融合，使模型更加关注冠状动脉区域。实验结果表明，提出的模型在Dice相似系数、Recall、Precision和HD95值分别达到了81.96％、84.24％、80.11％和14.94，优于当前流行的分割网络模型，验证了CA.SegNet的有效性。

关键词：冠状动脉分割;卷积神经网络;Transformer;特征融合;注意力机制;多尺度特征

基金资助：国家自然科学基金（61976058）、广东省科技计划项目（2021A1515012300，2021B0101220006）、广州市科技计划项目（202103000034，202206010007）资助