多尺度融合与注意力结合的头颈部危及器官自动分割

作     者：林小惟 杨瑞杰 李霓 齐琦 Lin Xiaowei;Yang Ruijie;Li Ni;Qi Qi

作者机构：海南大学计算机科学与技术学院海口570228 北京大学第三医院肿瘤放疗科北京100191 海南师范大学数学与统计学院海口571158 

出 版 物：《中华放射肿瘤学杂志》 (Chinese Journal of Radiation Oncology)

年 卷 期：2023年第32卷第4期

页      面：319-324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(11861030) 海南省自然科学基金(2019RC176,621RC511) 国家重点研发计划(2020YFE0202500) 北京市科技协调创新项目(Z221100003522028) 

主　　题：深度学习 卷积神经网络 危及器官图像分割 注意力机制 多尺度融合 

摘      要：目的开发一种多尺度融合与注意力机制结合的头颈部肿瘤放疗危及器官图像分割方法。方法基于U-Net卷积神经网络,为增强分割模型的特征表达能力,将空间和通道注意力模块与U-Net模型相结合,提高与分割任务相关性更大的特征通道权重;在网络模型编码阶段引入本文提出的多尺度特征融合算法,补充模型下采样过程中损失的特征信息。使用戴斯相似性系数(DSC)和95%豪斯多夫距离(HD)作为不同深度学习模型之间比较的性能评估标准。结果在医学图像计算和计算机辅助干预国际会议(MICCAI)StructSeg 2019数据集上进行头颈部22个危及器官的分割。相比于已有方法,本文提出的分割方法平均DSC提升了3%~6%,22种头颈部危及器官的分割平均DSC为78.90%,平均95%HD为6.23 mm。结论基于多尺度融合和注意力机制的U-Net卷积神经网络对头颈部危及器官达到了更好的分割精度,有望在临床应用中提高医生的工作效率。