融合自注意力的乳腺钼靶图像特征引导分割算法

为提高对乳腺癌钼靶图像中病灶区域的识别精度，本研究设计了一种面向乳腺肿块和钙化区域分割的特征引导注意网络。首先，该网络通过特征提取模块学习乳腺组织的语义特征；其次，利用融合自校正注意力的解码模块，增强对病灶区域边缘信息的关注度，提高边界的清晰度；最后，采用特征引导注意模块增强通道的依赖关系，进一步还原病灶区域边缘细节，提高分割精度。实验结果表明，本研究网络在扩充后的INBreast1数据库中肿块和钙化分割的平均骰子系数(mDice)分别达到了0.971和0.888,在DDSM数据库肿块分割的mDice达到了0.911,优于其他常规的分割模型，对乳腺癌的早期诊断和治疗具有重要意义。