基于MBFRCNN的慢性肾病检测与肾脏超声图像分割

来源：计算机应用与软件杂志2025年第8期北京时间：

作者：王茹, 赵希梅

摘要：针对目前慢性肾病诊断耗时耗力，人工诊断困难以及识别、分割准确率较低等情况，提出一种能够结合肾小球滤过率指标以及图像纹理特征进行综合分析的实例分割模型MBF RCNN,并提高了在慢性肾病分期上检测分割的准确率。针对基线网络识别精度较低的情况，提出特征融合模块，自适应地融合多尺度特征层，并降低不同层次特征图的不一致性，提升检测的准确率。针对分割边界模糊问题，融入自注意力机制，以充分学习图像的空间特征；加入边界细化模块，进一步优化分割的边界。模型使用新的组合损失函数提高模型的准确度。建立慢性肾病数据集，并在此数据集上与其他先进的实例分割模型进行了比较，在mAP上比基线网络Mask RCNN提升约3百分点，在分割精度上比基线提升了3.46百分点。

关键词：慢性肾病, FFM, 边界细化模块, 自注意力机制, 实例分割