结合密集连接块和自注意力机制的腺体细胞分割方法

摘要

针对目前常用的细胞分割方法在对腺体细胞进行分割时易出现误分割和分割不精细的问题,提出一种以U-Net为基本框架,结合密集连接块和自注意力机制的腺体细胞分割模型.首先将U-Net结构中卷积层组合构建成密集连接块,以不同尺度从图像中提取信息;然后在解码端引入自注意力机制,通过对局部特征建立丰富的上下文依赖模型,抑制不必要的特征传播,提高腺体细胞分割的精度.在2015 MICCAI腺体分割挑战赛数据集上的实验结果表明,与U-Net等其他模型相比,在增加少量参数的情况下,该模型在F1值、Mean Dice和Hausdorff距离评价指标上均具有较大的提升.