一种基于残差UNet和高效的多尺度注意力方法用于CT图像中肝脏和肿瘤的自动分割

摘要

本发明提出一种基于残差UNet和高效的多尺度注意力方法用于CT图像中肝脏和肿瘤的自动分割，该方法包括：第一，利用UNet架构的核心思想，提出了一种基于残差UNet架构为主的框架。继UNet中编码器的卷积之后，引入了注意力机制，使其能够以自适应的方式得到图像特征，抑制不相关的区域。第二，在残差网络中加入ECA，该模块为输入序列分配权重，并抑制不相关的背景特征，它可以确保在编码肝脏和肝脏肿瘤切片时更容易去除背景区域。第三，用ASPP模块取代UNet架构中瓶颈位置，从而达到提取更丰富的多尺度特征信息的目的。第四，在跳跃连接中的末端使用门控注意力AG，可以消除跳跃连接中的不相关和有噪声的响应歧义，不需要训练多个模型和大量额外的参数。