|
|||||
|
|
| ARU-Net:基于残差注意力机制的胸腔积液图像分割模型 | |
| 作者姓名： | 杨靖祎 陈隆鑫 杨建凯 史朝霞 底涛 刘晓云 |
| 作者单位： | 河北医科大学第二医院数据中心 石家庄 050000;河北医科大学第二医院信息中心 石家庄 050000;河北医科大学第二医院神经外科 石家庄 050000;河北医科大学第二医院医学影像科 石家庄 050000;河北医科大学第二医院神经内科 石家庄050000 |
| 基金项目： | 河北省医学重点科技研究计划(项目编号:20210030);河北医科大学临床医学创新研究团队项目(项目编号:2022LCTD-A7);河北省卫生健康委员会医学科学研究课题(项目编号:20221086)。 |
| 摘 要： |  目的/意义 解决传统胸腔积液分割方法严重依赖先验知识、流程烦琐、耗时费力、性能不佳等问题,提高效率和准确率。方法/过程 根据胸部CT图像的积液特征,提出一种基于残差注意力机制的胸腔积液分割模型ARU-Net。以U-Net模型为主干网络,在编码和解码阶段引入残差注意力单元,有效获取图像上下文信息,提高对特征的利用率。结果/结论 在测试集上的DICE相似系数达到88.76%,与U-Net和ResU-Net相比在分割完整性和准确性方面具有显著优势,能够满足临床需求。 |
| 关 键 词： | 胸腔积液 深度学习 图像分割 残差单元 注意力机制 |
| 修稿时间： | 2024-03-22 |
| 点击此处可从《医学信息学杂志》浏览原始摘要信息 | |
| 点击此处可从《医学信息学杂志》下载全文 | |