基于RA-Unet的CT图像肝脏肿瘤分割

摘要

CT图像肝脏肿瘤分割是进行肝癌前期诊断、肿瘤负荷分析和放射治疗的重要前提。为实现肿瘤的精确自动分割，提出一种融合残差模块和注意力机制的深度U形网络。该网络首先在跳跃连接层中引入一条带有反卷积与激活操作的残差路径和卷积模块，实现图像特征的分离传递以及高级表征，确保跳跃连接层主要传递图像边缘信息和小目标全局信息，其次在解码路径中引入注意力机制，通过将跳跃连接层与反卷积解码获得的特征信息赋予不同权重，进一步增强肿瘤特征，抑制其他无关信息。提出方法在LiTS数据集上获得的全局Dice值高达86.71%,明显高于其他多种现有方法，且相较于其他方法，该方法对于小尺寸、对比度低、边界模糊的肿瘤具有明显的分割优势。