融合卷积和Transformer的多尺度肝肿瘤分割方法

来源：计算机工程与应用杂志2024年第4期北京时间：

作者：陈丽芳, 罗世勇

单位：江南大学 人工智能与计算机学院，江苏 无锡 214122

摘要：精确的肝脏和肝脏肿瘤自动分割方法对帮助医生进行肝癌诊断、治疗和术后观察具有重要的意义。由于卷积的局部性，现有基于卷积的方法难以建立长距离的依赖关系。Transformer的级联注意力机制可以建立全局的信息关联，但是会破坏局部细节。基于此，提出了一种融合卷积和Transformer的特征建模方法。该方法通过混合嵌入的方式交互融合局部表示和全局表示，最大程度地建立不同分辨率下的全局依赖关系。在跳跃连接处通过多级特征融合模块捕捉来自不同编码阶段的上下文信息以获取更丰富的语义信息。为了应对肝脏肿瘤在大小和形状上的变化，使用可变形多尺度模块提取肿瘤的多尺度特征。实验主要采用Dice相关性系数（Dice similarity coefficient，DSC）作为评价指标，在LiTS17数据集上肝脏和肿瘤的DSC分别为0.920和0.748，结果表明提出的网络相比基线具有更准确的肝脏肿瘤分割结果。

关键词：医学图像,肿瘤分割,Transformer,卷积神经网络,多尺度,特征融合