基于Unet的阿尔兹海默症病灶分割模型

摘要

由于人脑的结构比较复杂,所以如何准确的提取分割部位的特征是医学图像语义分割的一个关键点。本文使用Unet网络作为基本框架,并在特征提取过程中引入了注意力机制CBAM,在Unet的Skip-connection过程中引入了SENet。通过这些方法从全局增强分割部位的语义信息并降低其他部位的语义信息。本文使用相同的设备和数据分别在Unet、Unet + CBAM、Unet + SENet以及本文提出的模型进行了实验,得到对应的平均Dice分别对应为0.680、0.703、0.706、0.736。实验表明,本文提出的方法对阿尔兹海默症病灶分割的性能有显著提升。