融合多尺度特征与边缘增强的前列腺图像分割

作     者：王飞 丁德锐 朱天佑 何晓晨 WANG Fei;DING Derui;ZHU Tianyou;HE Xiaochen

作者机构：上海理工大学光电信息与计算机工程学院上海200093 

出 版 物：《小型微型计算机系统》 (Journal of Chinese Computer Systems)

年 卷 期：2024年第45卷第11期

页      面：2710-2716页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(61973219)资助 

主　　题：前列腺分割 InceptionNext 多尺度信息 密集融合 边缘引导注意力 

摘      要：针对前列腺磁共振(MR)图像上组织边缘模糊、形状和大小的多样性所导致的挑战,本文提出一种多尺度信息挖掘(Multi-scale Information Excavation Network,MSIE-Net)的医学图像分割算法提高图像分割的精度.首先,在编码阶段使用InceptionNext模块,将大核深度卷积沿着通道维度分解成4个并行分支,从而获取多尺度感受野.其次,在解码阶段设计双尺度特征密集融合模块(Dual-scale Feature Dense Fusion,DSFDF),实现了高低分辨率之间的特征交互.最后,通过边缘引导注意力(Edge-guided Attention,EGA),实现高层特征指导低层特征的相关信息的传输,从而提高了边界分割的精度.所提方法在前列腺公开数据集ProstateX和Promise12上分别进行了性能评估和泛化能力测试.ProstateX数据集上评估指标Dice和mIoU相较于TransUNet分别提高了1.54%和2.43%.结果表明,所提算法具有更好的边缘分割能力.