改进U-Net的多级边缘增强医学图像分割网络

来源：计算机工程杂志2024年第4期北京时间：

作者：胡帅, 李华玲, 郝德琛

单位：中北大学软件学院, 山西 太原 030051

摘要：医学图像分割精度对医师临床诊疗起到关键作用,但由于医学图像的复杂性以及目标区域的多样性,造成现有医学图像分割方法存在边缘区域分割不完整和上下文特征信息利用不充分的问题。为此,提出一种改进U-Net的多级边缘增强(MEE)医学图像分割网络(MDU-Net)模型。首先,在编码器结构中加入提取双层低级特征信息的MEE模块,通过不同扩张率的扩张卷积块获取特征层中丰富的边缘信息。其次,在跳跃连接中嵌入融合相邻层特征信息的细节特征关联(DFA)模块,以获取深层次和多尺度的上下文特征信息。最后,在解码器结构对应特征层中聚合不同模块所提取的特征信息,通过上采样操作得到最终的分割结果。在2个公开数据集上的实验结果表明,与用于医学图像分割的Transformers强编码器(TransUNet)等模型相比,MDU-Net模型能够高效使用医学图像中不同特征层的特征信息,并在边缘区域取得了更好的分割效果。

关键词：医学图像分割,多级边缘增强模块,注意力模块,多尺度特征,深度学习

基金资助：辽宁省自然科学基金(2022-KF-22-13);山西省重点研发计划(202102020101009);中北大学科技立项项目(20221858)。