结合跨模态特征激励与双分支交叉注意力融合的左心房疤痕分割方法

来源：电子与信息学报杂志2025年第5期北京时间：

作者：阮东升, 施哲彬, 王嘉辉, 李杨, 蒋明峰

单位：1.浙江理工大学计算科学与技术学院(人工智能学院) 杭州 3100182.浙江理工大学信息科学与工程学院 杭州 310018

摘要：左心房疤痕的分布情况与严重程度能够为房颤的生理病理学研究提供重要信息，因此，实现左心房疤痕的自动化分割对房颤的临床诊断与治疗有着重要意义。但由于左心房疤痕具有形状多样化、目标小、分布离散等特点，现有的左心房疤痕分割方法往往难以取得好的分割效果。该文利用疤痕通常分布在左心房壁上的先验知识，提出一种基于左心房边界特征增强的左心房疤痕分割方法，通过提出的跨模态特征激励模块与双分支交叉注意力融合模块在U型网络的编码器与瓶颈层分别对核磁共振图像与左心房边界符号距离图进行特征增强引导与深层语义信息融合增强，实现从特征层面提高模型对左心房边界特性信息的关注度。该文所提分割模型在LAScarQS2022数据集上进行验证，分割结果评估明显优于当前主流的分割方法。Dice分数和准确率相比基线网络分别提升了4.14%和6.37%。

关键词：跨模态特征, 深度学习, 特征增强, 注意力机制, 左心房疤痕分割

基金资助：国家重点研究计划 (2023YFE0205600)，国家自然科学基金(62272415, 62401508)，浙江省高层次人才特殊支持计划(2023R5216)，宁夏自治区重点研发项目(2023BEG02065)