融合卷积和Transformer的腹部多器官分割网络

来源：计算机技术与发展杂志2024年第09期北京时间：

作者：杨萍;陈立伟;王庆凤;周莹

摘要：腹部多器官分割在计算机辅助诊断中起着至关重要的作用,具有重要的研究价值。 但由于腹部多器官边界模糊、背景复杂以及形状大小多变,使这项任务极具挑战性。 为此,提出了一种融合卷积和 Transformer 的腹部多器官分割网络TCMSUnet。 首先,在特征提取阶段设计了多尺度引导融合模块(GFM),利用高层特征提取的显著语义信息来引导低层特征以增强相邻特征的语义一致性,从而促进不同尺度特征的融合;随后设计了全局局部增强模块(GLE),通过空洞卷积和 Transformer 块结合来增强模型对全局局部上下文信息的提取,使模型在建立长距离依赖关系的同时加强特征的局部关联性;最后,在解码器部分引入多阶段损失聚合结构以加快模型的收敛并优化模型的性能。 在 Synapse 数据集上评估了模型的性能,其平均 Dice 相似系数(DSC)为 81. 20% 。 实验结果表明,所提方法整体性能优于多种比较网络,并对形状大小多变的器官有更好的分割效果。

关键词：医学图像分割;特征融合;多尺度;空洞卷积;Transformer;多器官