多尺度特征融合的轻量化膀胱癌MRI图像分割算法

摘要

膀胱癌MRI图像存在肿瘤边界不清晰、肿瘤区域较小、肿瘤分布不连续等问题,现有的分割算法参数量庞大,计算复杂,且分割精度有待提高。因此,设计了一种多尺度特征融合的轻量化膀胱癌分割算法(pyramidal convolution lightweight network,PylNet),该算法在编码阶段设计的多尺度语义特征提取模块可提取不同尺度的肿瘤区域信息,确保对微小肿瘤信息提取的可靠性和全面性;在解码阶段设计的融合模块可以在保证分割精度的同时,极大地减少算法参数量和复杂度。实验结果表明,相较于FCN8s、DeepLabV3+、U-Net等算法,PylNet算法分割精度有一定的提高,Dice系数达88.40%,参数量是FCN8s的1/13,可实现对膀胱MRI的快速分割。