基于多尺度空间Transformer的肝脏分割方法

来源：计算机技术与发展杂志2025年第02期北京时间：

作者：丁厚林;;张晓龙;;林晓丽;;邓鹤;;任宏伟

单位：1. 武汉科技大学 计算机科学与技术学院,湖北 武汉 430065;2. 武汉科技大学 大数据科学与工程研究院,湖北 武汉 430065;3. 武汉科技大学 智能信息处理与实时工业系统湖北省重点实验室,湖北 武汉 430065;4. 武汉科技大学 附属天佑医院,湖北 武汉 430064

摘要：肝脏器官尺度多样且与周围器官高度相似,很难从腹部计算机影像中准确分割出肝脏区域,现有的很多方法将 CNN 和 Transformer 相结合以得到图像局部和全局特征依赖关系,从而取得了更好的性能。 然而,简单的组合方法忽视了图像分割中多尺度特征融合和注意力机制的重要性,没有很好地解决肝脏分割问题。 该文提出了一种用于肝脏分割的多尺度空间 Transformer 与交叉自注意机制的三维肝脏影像分割方法。 该方法首先采用 CNN 和 Transformer 相结合的方式逐步提取不同尺度的特征信息使网络对肝脏及其周围组织的识别更加准确;接着利用多尺度空间 Transformer 对不同层次和尺度特征的图像在空间维度上融合,提高了网络对肝脏边缘的定位能力;最后在解码器中设计了交叉自注意引导融合模块减少噪声等不相关信息带来的干扰,提高分割质量。 在 LiTS、CHAOS、Sliver07 和某医院 MRI 数据集上进行了对比和消融实验,实验结果表明,该方法相较于当前的主流网络具有更好的分割性能和临床应用前景。

关键词：三维肝脏影像分割;深度学习;交叉自注意机制;多尺度空间Transformer;多尺度特征融合