ARU-Net:基于残差注意力机制的胸腔积液图像分割模型

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。