双重降维通道注意力门控U-Net的胰腺CT分割

从腹部CT图像中分割并重建胰腺3D模型对于辅助疾病诊疗有重要意义。由于胰腺在图像中占比小且与周边组织难以区分等原因,现有方法准确性和稳定性不足。本研究提出一种双重降维和通道注意力门控U型网络,在编码路径中以双重降维模块加强浅层特征空间有效信息提取,在编解码连接中嵌入通道注意力门控模块从通道层级过滤冗余特征。在NIH发布的胰腺分割公开数据集上(包括82例CT图像)进行实验,采用集合相似度(DSC)、召回率(R)和精确率(P)验证分割性能,使用三维顶点距离误差(VDE)评估3D重建效果。DSC、R和P值分别达到82.35%±5.76%、81.07%±8.50%、84.04%±5.40%,VDE降低至1.27±0.90,优于U-Net和Attention-Unet等方法。结果表明,所提出方法能够提高胰腺CT图像分割性能,重建的3D模型能够更好反映个体胰腺实际情况。