用于咽喉器官分割的空洞残差金字塔算法

1

作者 潘晓英 白伟栋 +2 位作者 代栋 王红玉 马晨阳 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2023年第7期1000-1009,共10页

对咽喉器官分割是喉镜图像分析以及计算机辅助诊疗的先决条件.为准确地分割器官部位,提出一种用于咽喉器官分割的空洞残差金字塔算法.首先提出空洞残差(dilated residual,DR)模块,使用多种空洞卷积提取图像不同感受野下的特征,结合残差... 对咽喉器官分割是喉镜图像分析以及计算机辅助诊疗的先决条件.为准确地分割器官部位,提出一种用于咽喉器官分割的空洞残差金字塔算法.首先提出空洞残差(dilated residual,DR)模块,使用多种空洞卷积提取图像不同感受野下的特征,结合残差策略提升特征多样性并加快网络训练速度;然后将DR模块与特征金字塔结合,融合多尺度特征并补充器官浅层特征,使得网络适应器官的多种形态;最后设计咽喉器官分割网络——DRP-Mask.在8000幅喉镜图像数据集上的实验结果表明,与其他5种语义分割网络相比,DRP-Mask的平均交并比提升2%~4%,比基准网络平均精度提升1.6%,实现对器官准确定位的同时也对其进行完整的分割,分割结果更贴合医生标注结果. 展开更多

关键词 多器官分割 空洞卷积 残差连接 特征金字塔

下载PDF 职称材料

基于改进Swin⁃Unet腹部多器官图像分割方法研究

2

作者 王雅丽 《现代计算机》 2023年第3期81-84,共4页

腹部多器官计算机断层扫描(CT)图像自动化分割可以辅助医生进行诊断,提高诊断效率。以往的分割方法由于腹部易发生形变、体积较小且器官密集导致分割效果相对较差。为此,提出基于改进Swin⁃Unet腹部多器官图像分割方法,使得网络在下采样... 腹部多器官计算机断层扫描(CT)图像自动化分割可以辅助医生进行诊断,提高诊断效率。以往的分割方法由于腹部易发生形变、体积较小且器官密集导致分割效果相对较差。为此,提出基于改进Swin⁃Unet腹部多器官图像分割方法,使得网络在下采样过程中更加关注器官细节特征。实验表明,提出的方法相对于现有分割方法具有更高的准确性。 展开更多

关键词 腹部多器官分割 语义分割 Swin⁃Unet TRANSFORMER

下载PDF 职称材料

融合上下文和多尺度特征的胸部多器官分割 被引量：10

3

作者 吉淑滢 肖志勇 《中国图象图形学报》 CSCD 北大核心 2021年第9期2135-2145,共11页

目的肿瘤周围高危器官的准确分割是图像引导放射治疗中的关键步骤,也是对抗肺癌和食道癌,规划有效治疗策略的重要组成部分。为了解决不同患者之间器官形状和位置的复杂变化情况以及计算机断层扫描(computed tomography, CT)图像中相邻... 目的肿瘤周围高危器官的准确分割是图像引导放射治疗中的关键步骤,也是对抗肺癌和食道癌,规划有效治疗策略的重要组成部分。为了解决不同患者之间器官形状和位置的复杂变化情况以及计算机断层扫描(computed tomography, CT)图像中相邻器官之间软组织对比度低等问题,本文提出了一种深度学习算法对胸部CT图像中的高危器官进行细分。方法以U-Net神经网络结构为基础,将冠状面下的3个连续切片序列即2.5D(2.5 dimention)数据作为网络输入来获取切片联系,同时利用高效全局上下文实现不降维的跨通道交互、捕获单视图下切片序列间的长距离依赖关系、加强通道联系和融合空间全局上下文信息。在编码部分使用金字塔卷积和密集连接的集成提取多尺度信息,扩大卷积层的感受野,并将解码器与编码器每层进行连接来充分利用多尺度特征,增强特征图的辨识度。考虑到CT图像中多器官形状不规则且紧密相连问题,加入深度监督来学习不同层的特征表示,从而精准定位器官和细化器官边界。结果在ISBI(International Symposium on Biomedical Imaging)2019 Seg THOR(segmentation of thoracic organs at risk in CT images)挑战赛中,对40个胸部多器官训练样本进行分割,以Dice系数和HD(Hausdorff distance)距离作为主要评判标准,该方法在测试样本中食道、心脏、气管和主动脉的Dice系数分别达到0.855 1、0.945 7、0.923 0和0.938 3,HD距离分别为0.302 3、0.180 5、0.212 2和0.191 8。结论融合全局上下文和多尺度特征的算法在胸部多器官分割效果上更具竞争力,有助于临床医师实现高效的诊断与治疗。 展开更多

关键词 多器官分割 伪三维 高效全局上下文 金字塔卷积 多尺度特征

原文传递

采用多尺度视觉注意力分割腹部CT和心脏MR图像 被引量：2

4

作者 蒋婷 李晓宁 《中国图象图形学报》 CSCD 北大核心 2024年第1期268-279,共12页

目的医学图像分割是计算机辅助诊断和手术规划的重要步骤,但是由于人体器官结构复杂、组织边缘模糊等问题,其分割效果还有待提高。由于视觉Transformer(vision Transformer,ViT)在计算机视觉领域取得了成功,受到医学图像分割研究者的青... 目的医学图像分割是计算机辅助诊断和手术规划的重要步骤,但是由于人体器官结构复杂、组织边缘模糊等问题,其分割效果还有待提高。由于视觉Transformer(vision Transformer,ViT)在计算机视觉领域取得了成功,受到医学图像分割研究者的青睐。但是基于ViT的医学图像分割网络,将图像特征展平成一维序列,忽视了图像的二维结构,且ViT所需的计算开销相当大。方法针对上述问题,提出了以多尺度视觉注意力(multi scale visual attention,MSVA)为基础、Transformer作为主干网络的U型网络结构MSVA-TransUNet。其采用的多尺度视觉注意力是一种由多个条状卷积实现的注意力机制,采用一个条状卷积对近似一个大核卷积的操作,采用不同的条状卷积对近似不同的大核卷积,从不同的尺度获取图像的信息。结果在腹部多器官分割和心脏分割数据集上的实验结果表明:本文网络与基线模型相比,平均Dice分别提高了3.74%和1.58%,其浮点数运算量是多头注意力机制的1/278,网络参数量为15.31 M,是TransUNet的1/6.88。结论本文网络媲美当前较先进的网络TransUNet和SwinUNet,采用多尺度视觉注意力代替多头注意力,在减少计算开销的同时在分割性能上同样具有优势。本文代码开源地址:https://github.com/BeautySilly/VA-TransUNet。 展开更多

关键词 医学图像分割 视觉注意力 TRANSFORMER 注意力机制 腹部多器官分割 心脏分割

原文传递

基于MAU-Net的CT多器官分割

5

作者 步洪禧 何利文 《计算机系统应用》 2024年第3期103-110,共8页

基于计算机断层扫描(CT)图像的多器官精准分割能够准确诊断病灶,快速制定治疗计划,提高临床工作的效率.传统分割算法针对形变大、体积较小且边缘模糊的器官分割效果相对较差.本文提出了一种改进的U-Net的医学图像分割网络(MAU-Net),通... 基于计算机断层扫描(CT)图像的多器官精准分割能够准确诊断病灶,快速制定治疗计划,提高临床工作的效率.传统分割算法针对形变大、体积较小且边缘模糊的器官分割效果相对较差.本文提出了一种改进的U-Net的医学图像分割网络(MAU-Net),通过引入两个模块,旨在实现对多器官的精准分割.多尺度空洞卷积模块通过不同内核大小实现捕捉目标器官多尺度特征.动态注意力模块精确提取重要特征实现分支间的权重平衡.通过消融实验和其他主流网络的对比实验,验证了MAU-Net的优越性.相比于传统的U-Net模型,MAU-Net在所有器官上平均Dice相关系数(DSC)提高了3.39%,平均95%豪斯多夫距离(HD)降低了4.84 mm.MAU-Net在多器官分割任务中展现了出色的鲁棒性和应用潜力,有助于提高临床工作效率和医疗诊断的准确性. 展开更多

关键词 深度学习 多器官分割 U-Net 注意力机制 多尺度空洞卷积 CT图像 图像分割

下载PDF 职称材料

用于多器官分割的多尺度聚合网络研究

6

作者 高学敏 杜晓刚 +2 位作者 张学军 王营博 雷涛 《陕西科技大学学报》 北大核心 2024年第2期189-197,共9页

多器官分割在病理分析、手术方案制定以及临床诊断上都具有重要的应用价值.但是,一些器官形变较大、尺寸较小且组织边缘模糊,导致分割效果较差.为了解决该问题,提出了一种用于多器官分割的多尺度聚合网络(MSANet).MSANet有两个优势:首先... 多器官分割在病理分析、手术方案制定以及临床诊断上都具有重要的应用价值.但是,一些器官形变较大、尺寸较小且组织边缘模糊,导致分割效果较差.为了解决该问题,提出了一种用于多器官分割的多尺度聚合网络(MSANet).MSANet有两个优势:首先,设计了多尺度边界提取模块,使用多尺度卷积核提取多个特征图,将不同尺度的特征图互相结合,从而聚合全局上下文信息,并提取不同器官的边界和细节信息;其次,设计了聚焦式注意力模块,通过学习的注意力权重来调节特征图的重要性,从而聚焦感兴趣的多器官区域并捕捉不同器官的关键特征,进一步提高分割性能.在两个公开数据集CHAOS和MS-CMRSeg上进行了大量实验.实验结果表明:MSANet在两个数据集上的分割效果均优于当前主流的多器官分割方法,显著提高了多器官分割精度. 展开更多

关键词 多器官分割 多尺度聚合网络 上下文信息 注意力机制

下载PDF 职称材料

结合局部全局特征与多尺度交互的三维多器官分割网络

7

作者 柴静雯 李安康 +3 位作者 张浩 马泳 梅晓光 马佳义 《中国图象图形学报》 CSCD 北大核心 2024年第3期655-669,共15页

目的 高度适形放射治疗是常用的癌症治疗方法,该方法的有效性依赖于对癌组织和周边多个危及器官(organ at risk,OAR)解剖结构的精确刻画,因此研究三维图像多器官的高精度自动分割具有重要意义。以视觉Transformer(vision Transformer,V... 目的 高度适形放射治疗是常用的癌症治疗方法,该方法的有效性依赖于对癌组织和周边多个危及器官(organ at risk,OAR)解剖结构的精确刻画,因此研究三维图像多器官的高精度自动分割具有重要意义。以视觉Transformer(vision Transformer,ViT)和卷积神经网络(convolutional neural network,CNN)结合为代表的三维医学图像分割方法表现出了丰富的应用优势。然而,这类方法往往忽略同一尺度内和不同尺度间的信息交互,使得CNN和ViT特征的提取和融合受限。本文提出一种端到端多器官分割网络LoGoFUNet(local-global-features fusion UNet),旨在应对现有方法的缺陷。方法 首先,针对单一器官分割,提出在同一尺度下并行提取并融合CNN和ViT特征的LoGoF(local-global-features fusion)编码器,并构建了一个端到端的三维医学图像分割多尺度网络M0。此外,考虑到器官内部以及器官之间的相互关系,该方法在M0网络的基础上设计并引入了多尺度交互(multi-scale interaction,MSI)模块和注意力指导(attention guidance,AG)结构,最终形成了LoGoFUNet。结果 在Synapse数据集和SegTHOR(segmentation of thoracic organs at risk)数据集上,本文方法相比于表现第2的模型,DSC(Dice similarity cofficient)指标分别提高了2.94%和4.93%,而HD95(Hausdorff distance_95)指标则分别降低了8.55和2.45,切实提升了多器官分割任务的性能表现。在ACDC(automatic cardiac diagnosis challenge)数据集上,3D分割方法的适用性大多较差,但LoGoFUNet依然得到了比2D先进方法更好的结果,说明其对数据集的适应能力更强。结论 该方法的分割模型综合尺度内和尺度间的信息交互,具有更好的分割结果,且在数据集上的泛化性更好。 展开更多

关键词 多器官分割 深度神经网络(DNN) 视觉Transformer(ViT) 局部全局特征 多尺度交互(MSI)

原文传递

多期相CT合成辅助的腹部多器官图像分割

8

作者 黄品瑜 钟丽明 +4 位作者 郑楷宜 陈泽立 肖若琳 全显跃 阳维 《南方医科大学学报》 CAS CSCD 北大核心 2024年第1期83-92,共10页

目的提出并探讨使用多期相CT合成辅助腹部多器官分割方法。方法提出多期相CT合成辅助腹部多器官分割,多期相CT能够充分提供同一器官不同的图像细节,从而为分割模型提供充分的全面的语义信息,提升腹部多个器官分割的性能。提出基于多头... 目的提出并探讨使用多期相CT合成辅助腹部多器官分割方法。方法提出多期相CT合成辅助腹部多器官分割,多期相CT能够充分提供同一器官不同的图像细节,从而为分割模型提供充分的全面的语义信息,提升腹部多个器官分割的性能。提出基于多头自注意力感知的多期相CT合成方法,引入基于多头自注意力机制的Transformer模块,提升合成网络捕捉长距离语义信息的能力,扩大网络的感受野,并且引入感知损失,在特征层面对合成图像与真实图像特征之间的差异最小化,与Transformer模块有协同作用,从而合成出更清晰、更高质量的多期相CT图像。结果使用南方医院的多期相CT数据集训练模型。其中用526例多期相CT训练合成模型,利用动脉期增强动脉CT(A.CECT)合成出平扫CT(NECT)、静脉期CECT(V.CECT)、延迟期CECT(D.CECT)的平均最大化绝对误差(MAE)分别为19.192±3.381、20.140±2.676、22.538±2.874,结合统计学对比,本文方法优于对比的其他图像合成方法(P<0.05)。多期相CT合成辅助的腹部多器官分割方法验证在内部验证集上进行验证平均Dice系数(DSC)为0.847,在外部验证集上进行验证平均DSC为0.823。结论本文方法能够合成出高质量的多期相CT图像以有效缓解不同期相CT之间存在的配准无法解决的误差问题,同时提高腹部13器官的分割性能,具有良好的泛化性能。 展开更多

关键词 腹部多器官分割 多期相CT合成 对抗生成网络 TRANSFORMER

下载PDF 职称材料

基于CNN和Transformer并行编码的腹部多器官图像分割

9

作者 赵欣 李森 李智生 《吉林大学学报（理学版）》 CAS 北大核心 2024年第5期1145-1154,共10页

针对现有方法在腹部中小器官图像分割性能方面存在的不足,提出一种基于局部和全局并行编码的网络模型用于腹部多器官图像分割.首先,设计一种提取多尺度特征信息的局部编码分支;其次,全局特征编码分支采用分块Transformer,通过块内Transf... 针对现有方法在腹部中小器官图像分割性能方面存在的不足,提出一种基于局部和全局并行编码的网络模型用于腹部多器官图像分割.首先,设计一种提取多尺度特征信息的局部编码分支;其次,全局特征编码分支采用分块Transformer,通过块内Transformer和块间Transformer的组合,既捕获了全局的长距离依赖信息又降低了计算量;再次,设计特征融合模块,以融合来自两条编码分支的上下文信息;最后,设计解码模块,实现全局信息与局部上下文信息的交互,更好地补偿解码阶段的信息损失.在Synapse多器官CT数据集上进行实验,与目前9种先进方法相比,在平均Dice相似系数(DSC)和Hausdorff距离(HD)指标上都达到了最佳性能,分别为83.10%和17.80 mm. 展开更多

关键词 多器官图像分割 分块Transformer 特征融合

下载PDF 职称材料

基于深度学习的腹部多器官图像分割 被引量：5

10

作者 谢飞 权媚阳 +1 位作者 管子玉 段群 《西北大学学报（自然科学版）》 CAS CSCD 北大核心 2021年第1期1-7,共7页

CT扫描是临床上腹部相关疾病诊断的常规检查方式,通过CT,医生能对腹部的器官结构和组织病变结构产生更加直观的观察,从而提高了疾病诊断的准确性,因此,精准地对CT图片进行图像分割有着非常重要的临床价值。传统的分割算法针对腹部形变... CT扫描是临床上腹部相关疾病诊断的常规检查方式,通过CT,医生能对腹部的器官结构和组织病变结构产生更加直观的观察,从而提高了疾病诊断的准确性,因此,精准地对CT图片进行图像分割有着非常重要的临床价值。传统的分割算法针对腹部形变较大、体积较小且组织边缘模糊的器官分割效果相对较差。为此,该文提出了基于改进nnUNet腹部多器官图像分割方法,在腹部CT图像上分割肝脏、胃、肠道和胰腺4个器官。该文利用自适应权重的损失函数对nnUNet网络进行改进,使得网络在分割过程中更加关注体积较小且样本数量相对较少的器官特征。实验表明,该文提出方法相对于现有传统的分割方法具有更高的准确性和敏感性。 展开更多

关键词 腹部多器官分割 nnUNet 自适应权重损失函数 语义分割

下载PDF 职称材料

基于人工智能的医学图像多器官分割及其在医药领域的应用 被引量：1

11

作者 吕朋举 王澄 +3 位作者 朱建军 陆建 朱海东 滕皋军 《药学进展》 CAS 2023年第10期751-757,共7页

准确的医学图像多器官分割对临床应用和医药发展意义重大。然而,传统基于手工特征设计的图像处理方法难以处理图像中的组织纹理和复杂形态。近年来,随着人工智能的兴起,端到端的深度学习方法展现出在自动化医学图像分析方面的强大潜力... 准确的医学图像多器官分割对临床应用和医药发展意义重大。然而,传统基于手工特征设计的图像处理方法难以处理图像中的组织纹理和复杂形态。近年来,随着人工智能的兴起,端到端的深度学习方法展现出在自动化医学图像分析方面的强大潜力。尤其是基于卷积神经网络和Transformer的U-Net系列网络,实现了对医学数据的精确语义分割,更在临床决策和疗效评估中提高了诊断和治疗的准确性。简介目前基于深度学习的医学图像多器官分割算法,重点关注U-Net系列网络的发展及多器官分割在医药领域的应用。 展开更多

关键词 医学图像 多器官分割 人工智能 U-Net 深度学习

原文传递

基于半监督网络的组织感知CT图像对比度的增强方法

12

作者 周昊 曾栋 +1 位作者 边兆英 马建华 《南方医科大学学报》 CAS CSCD 北大核心 2023年第6期985-993,共9页

目的提出一种组织感知的对比度增强网络(T-ACEnet)对CT图像进行增强显示,并验证该结果对于现有器官分割任务的精度提升。方法原始CT图像通过映射生成具有肺窗、软组织窗对比度的低动态灰阶图像,监督子网络通过肺部掩膜学习感知肺部、腹... 目的提出一种组织感知的对比度增强网络(T-ACEnet)对CT图像进行增强显示,并验证该结果对于现有器官分割任务的精度提升。方法原始CT图像通过映射生成具有肺窗、软组织窗对比度的低动态灰阶图像,监督子网络通过肺部掩膜学习感知肺部、腹腔软组织的最佳窗宽窗位设置。自监督子网络通过极值抑制损失函数保持器官边缘结构信息。增强网络生成的图像被用作分割网络的输入,进行腹部多器官的分割。结果T-ACEnet所生成的图像可以在一幅图像中包含更多窗口设置信息,便于医生进行病灶的初步筛查。且T-ACE图像在SSIM、QABF、VIFF、PSNR指标上相较于次优方法分别提升了0.51、0.26、0.10和14.14,MSE则降低了一个数量级。同时,T-ACE图像作为分割网络输入时,相较于原始CT图像,在不改变模型的情况下可以有效提高器官分割精度,5个分割定量指标均得到了提升,最大一项可提高4.16%。结论本研究所提出的T-ACEnet可以感知性地增强器官组织对比度,提供更全面、更连续的诊断信息,同时所生成的图像可以显著提高器官分割任务的表现。 展开更多

关键词 计算机断层成像 深度学习 CT图像可视化 多器官分割

下载PDF 职称材料

联合影像数据集腹部多器官分割方法研究

13

作者 吴泽静 陈春晓 +2 位作者 陈志颖 徐俊琪 傅雪 《中国生物医学工程学报》 CAS CSCD 北大核心 2023年第2期129-138,共10页

医学影像多器官分割对于手术治疗规划和辅助诊断等临床应用至关重要。目前大多数公开的医学影像数据集都仅对部分器官进行标注,由此建立的分割模型泛化性较差,很难同时满足对多器官的精确自动分割。本研究针对腹部数据集部分器官标注及... 医学影像多器官分割对于手术治疗规划和辅助诊断等临床应用至关重要。目前大多数公开的医学影像数据集都仅对部分器官进行标注,由此建立的分割模型泛化性较差,很难同时满足对多器官的精确自动分割。本研究针对腹部数据集部分器官标注及分割精度较低的问题,构建了基于联合影像数据集的腹部多器官自动分割网络C2F-MSNet。C2F-MSNet分割网络由粗分割和细分割两个阶段构成。在粗分割阶段,利用条件控制模块显式地控制神经网络在多个部分标注的数据集上进行联合训练,并引入注意力模块和深监督策略;在细分割阶段,通过粗分割结果索引细分割区域、引导细分割并构建多尺度细分割网络。在KiTS、Decathlon-liver、Decathlon-spleen和Decathlon-pancreas等4个数据集中的663例CT数据上进行实验,以Dice相关系数(DSC)和豪斯多夫距离(HD)作为分割结果的评判标准,肾脏、肝脏、脾脏和胰腺分割后的DSC分别为0.967、0.964、0.956、0.838,HD分别为12.51、25.02、6.68、12.58。实验结果表明,C2F-MSNet分割网络可以有效解决多标签部分标注的问题,实现联合数据集多器官的精准自动分割。 展开更多

关键词 多器官分割 两阶段分割 联合数据集 条件控制模块

下载PDF 职称材料

基于Mean Teacher的半监督腹部多器官CT影像分割方法

14

作者 沈南燕 王子彦 李静 《工业控制计算机》 2023年第1期107-108,共2页

针对基于监督学习的深度学习分割方法在应对腹部多器官CT影像分割任务中,标注成本过高、缺少高质量标记数据而导致分割效果不佳的问题,基于Mean Teacher提出一种结合多尺度预测的半监督腹部多器官分割方法。实验证明该方法可利用无标记... 针对基于监督学习的深度学习分割方法在应对腹部多器官CT影像分割任务中,标注成本过高、缺少高质量标记数据而导致分割效果不佳的问题,基于Mean Teacher提出一种结合多尺度预测的半监督腹部多器官分割方法。实验证明该方法可利用无标记数据实现多器官分割效果的较大提升。 展开更多

关键词 Mean Teacher 半监督学习 多器官分割

下载PDF 职称材料

多级特征交互Transformer的多器官图像分割

15

作者 武书磊 张方红 +1 位作者 杨有 刘学文 《计算机系统应用》 2024年第6期232-241,共10页

多器官医学图像分割有助于医生做出临床诊断.针对CNN提取全局特征能力弱,Transformer提取局部特征能力弱,以及Transformer具有二次方计算复杂度的问题,提出了用于多器官医学图像分割的多级特征交互Transformer模型.所提模型采用CNN提取... 多器官医学图像分割有助于医生做出临床诊断.针对CNN提取全局特征能力弱,Transformer提取局部特征能力弱,以及Transformer具有二次方计算复杂度的问题,提出了用于多器官医学图像分割的多级特征交互Transformer模型.所提模型采用CNN提取局部特征,局部特征经Swin Transformer输出全局特征;通过下采样分别产生多级局部和全局特征,每级局部和全局特征经过交互并增强;每级增强后的特征经多级特征融合模块进行交叉融合;再次融合后的特征经过上采样和分割头输出分割掩码.所提模型在Synapse和ACDC数据集上进行实验,平均DSC和平均HD95系数值为80.16%和19.20 mm,均优于LGNet和RFE-UNet等代表性模型.该模型对多器官医学图像分割是有效的. 展开更多

关键词 多器官医学图像分割 多级特征交互 TRANSFORMER 卷积神经网络(CNN) 语义分割 深度学习

下载PDF 职称材料