基于多尺度、多路注意力融合机制的多模态高等级脑胶质瘤语义分割网络
Multimodal high-grade glioma semantic segmentation network with multi-scale and multi-attention fusion mechanism作者机构:北京工业大学环境与生命科学学院生物医学工程系智能化生理测量与临床转化北京市国际科研合作基地北京100124
出 版 物:《生物医学工程学杂志》 (Journal of Biomedical Engineering)
年 卷 期:2022年第39卷第3期
页 面:433-440页
核心收录:
学科分类:1002[医学-临床医学] 08[工学] 080203[工学-机械设计及理论] 100214[医学-肿瘤学] 0802[工学-机械工程] 10[医学]
基 金:国家自然科学基金(81971683) 北京市自然科学基金-海淀原始创新联合基金(L182010)。
主 题:多尺度特征 注意力机制 高等级胶质瘤分割 卷积神经网络
摘 要:脑胶质瘤是一种发病率较高的原发性脑部肿瘤,其中高等级胶质瘤恶性程度高,患者生存率低。临床常采用手术切除和术后辅助放化疗的方式进行治疗,因此准确分割肿瘤相关区域对患者的治疗具有重要意义。为改善高等级胶质瘤的分割精度,本文提出一种基于多尺度特征提取、多路注意力融合机制的多模态脑胶质瘤分割方法,主要贡献在于:(1)使用多尺度残差结构对多模态脑胶质瘤磁共振图像进行特征提取;(2)使用两类注意力模块结构对通道维度和空间维度下的特征信息进行注意力汇聚;(3)使用集成学习策略构建支路分类器对主干分类器的分类结果进行调整修正,提升整体网络的分割性能。实验结果表明本文提出的二维网络分割方法分割全肿瘤区、肿瘤核心区和增强肿瘤区三类目标物的Dice系数值分别为0.909 7、0.877 3和0.839 6,并且分割结果在三维方向上具有良好的边界连续性。因此,本文提出的语义分割网络对高等级脑胶质瘤病灶区具有良好的分割性能。