联合自适应核和Transformer的脊柱磁共振成像多类别分割网络
郑州1
王苹苹1
张魁星2
1.山东中医药大学 青岛中医药科学院,青岛 266112;山东中医药大学 医学人工智能研究中心,青岛 2661122.山东中医药大学 智能与信息工程学院,济南 250355
摘要：针对脊柱磁共振成像(magnetic resonance imaging,MRI)结构复杂,存在多余组织、噪声及伪像的问题,本研究设计了一种联合自适应核和Transformer的脊柱MRI实例多类别分割网络.以Swin Transformer作为骨干网络,通过引入稠密连接模块减少前向通道的信息丢失,以更好地捕获图像中的细节和局部信息.同时,为进一步捕获复杂空间的多尺度特征,采取自注意力核选择的方式构建跨尺度稠密连接,使模型在训练过程中能自适应学习到合适的卷积核尺寸,提高模型对不同尺度信息的感知能力,提高分割性能.通过在 215 例受试者的T2 加权MRI图像 2D切片上进行验证,实验结果显示,该算法的平均交并比(mean intersection over union,mIoU)、平均召回率(mean recall rate,mRecall)和平均骰子系数(mean dice coefficient,mDice)分别为 82.63%、89.37%和 88.85%.结果表明,本研究算法的分割性能较好,可实现脊柱MRI中椎体及椎间盘的精准分割,为临床医生提供辅助诊断工具.
关键词：脊柱图像分割磁共振成像Swin Transformer稠密连接自注意力核选择
分类号：R318(医用一般科学)
资助基金：山东省自然科学基金资助项目(ZR2020QF043)山东省自然科学基金资助项目(ZR2022QG051)山东省中医药科技项目(Q-2023045)
论文发表日期：2024-04-28
在线出版日期：2026-09-11（本平台首次上网日期，不代表文献的发表时间）
页数：7( 108-114 )
英文信息