基于 U-Net 改进模型的多模态脑肿瘤分割方法

来源：计算机技术与发展杂志2022年第11期北京时间：

作者：黄莉;';何美玲;'*

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. 湖北省智能信息处理与实时工业系统重点实验室,湖北 武汉 430065

摘要：诊断脑肿瘤时,如果能从多种模态的核磁共振成像( MRI) 图像中精准分割出脑肿瘤区域,将有助于医生快速和准确的诊断。 针对分割脑肿瘤时出现的边界分割不精准问题,该文提出了一种基于 U-Net 改进模型的脑肿瘤分割方法。 该方法将 U-Net 每级编码器的特征图保留,来捕获分割目标的边界细节信息,进而对保留的特征图采用自注意力模块计算通道级别注意力,加强分割目标的边界空间信息提取,最后使用尺度融合模块统一特征图的尺度和通道数,来融合分割目标的边界信息,作为解码器的输入,从而提高分割性能。 该方法在 BRATS2017 数据集上进行训练和测试,在 Dice、SE、SP三个评估指标的参考下,通过消融实验证明了融合多尺度模块和自注意力机制的有效性,并与 U-Net、ResUNet、SGNet、RelayNet 四种网络模型进行对比实验,表明由于融合了分割目标边界的细节和空间信息,该模型得到的分割区域更加接近真实脑肿瘤区域。

关键词：脑肿瘤;U-Net;卷积神经网络;图像分割;多尺度策略;自注意力机制