基于改进注意力机制的臂丛神经超声图像分割网络研究

目的 提出一种改进注意力机制的卷积神经网络，用于臂丛神经超声图像精准分割。方法 基于U-Net的编码器-解码器结构，应用注意力机制使网络专注于图像中的重要区域和抑制无关的背景干扰，同时添加规范层和丢弃层以防止梯度消失和增加网络泛化能力，使用卷积和残差连接对跳跃连接进行改进，以减小语义差距。在Kaggle竞赛的公共数据库臂丛神经超声图像数据集上，用五折交叉验证的方法对网络进行训练和评估，计算平均Dice系数和Jaccard系数作为评价指标，并与U-Net、SegNet和Attention U-Net进行对比分析。结果 本文提出的网络的各项评价指标均高于对比网络，平均Dice值和Jaccard值分别达到了66.78%和50.84%。结论 这表明本文提出的网络能够更加精准地将臂丛神经从背景中自动分割出来，在不借助医生手工标注的情况下，为临床诊断提供更可靠的依据。