用于颈椎MRI分割的多尺度特征融合注意力网络模型OACSTPCD
Multi-Scale Feature Fusion Attention Network Model for Cervical Vertebrae MRI Segmentation
近年来,基于深度学习的医学图像辅助诊断逐渐成为主流,但常见的医疗锥体分割模型缺乏对颈椎细节信息的提取,导致锥体分割不完整或边缘相对模糊.为了提高颈椎MRI图像的分割精度,基于ResNet构建一种多尺度特征融合注意力(MSFFA)网络模型.利用多尺度注意力模块融合不同感受野进行注意力特征增强,同时为了降低特征信息融合的损耗,采用跨尺度特征融合模块进行相似域和边缘域特征增强,最终将原始样本的特征信息整合到分割结果中进行细节增强,进一步优化模型分割性能…查看全部>>
周静;钟原;李平;杨毅;马立泰;张涛
西南石油大学 计算机科学学院,成都 610500西南石油大学 计算机科学学院,成都 610500西南石油大学 计算机科学学院,成都 610500四川大学华西医院 骨科,成都 610041四川大学华西医院 骨科,成都 610041西南石油大学 计算机科学学院,成都 610500
计算机与自动化
颈椎分割注意力机制多尺度融合特征增强卷积神经网络
cervical vertebrae segmentationattention mechanismmulti-scale fusionfeature enhancementConvolutional Neural Network(CNN)
《计算机工程》 2023 (10)
基于机器学习的时变网络表示方法研究
298-304,312,8
国家自然科学基金(61873218)西南石油大学创新基金(642).
评论