基于改进U2-Net网络的多裂肌MRI图像分割算法

来源：南京信息工程大学学报·自然科学版杂志2024年第3期北京时间：

作者：王子民，周悦，关挺强，郭欣，胡巍，王茂发

单位：王子民,桂林电子科技大学 计算机与信息安全学院, 桂林, 541004,周悦,桂林电子科技大学 计算机与信息安全学院, 桂林, 541004,关挺强,桂林电子科技大学 计算机与信息安全学院, 桂林, 541004,郭欣,桂林电子科技大学 计算机与信息安全学院, 桂林, 541004,胡巍,柳州市人民医院, 柳州, 545006,王茂发,桂林电子科技大学 计算机与信息安全学院, 桂林, 541004

摘要：针对腰间盘突出患者MRI图像多裂肌病变部位分割精度较低的问题,提出一种改进的U2-Net网络的新模型,目标是使得编码和解码的子网络通过一系列嵌套的跳跃路径来相互连接.重新设计U2-Net模型中RSU-7、RSU-6、RSU-5、RSU-4中间的跳跃连接,RSU-4F部分不变,用来降低编码解码子网络中特征图的语义缺失.为了提取到高质量的多裂肌特征,加入通道注意力模块,通过学习每个通道的权重,使网络能够更好地关注对任务有贡献的通道,从而提升模型的性能.为验证模型的有效性,在多裂肌MRI图像数据集上进行实验,发现相较于U-Net、U2-Net、U-Net++网络结构,骰子系数(Dice)、豪斯多夫距离(HD)以及均交并比(MIoU)3个指标均有优化.实验结果表明,本文提出的算法对于多裂肌的MRI图像分割有较好的效果,能够辅助医生对病情做出判断.

关键词：磁共振成像(MRI);深度学习;医学图像分割;多裂肌;注意力机制;稠密连接;U2-Net

基金资助：国家自然科学基金(61866009,42164002);广西重点研发计划(AB21220037);广西科技计划(基地和人才专项)(桂科AD20325004);桂林市科学研究与技术开发项目(20210227-2);国家自然科学基金青年基金(41504037)