计算机应用

作者：林荐壮, 杨文忠, 谭思翔, 周乐鑫, 陈丹妮

单位：1.新疆大学 信息科学与工程学院，乌鲁木齐 830046；2.新疆大学 软件学院，乌鲁木齐 830091

关键词：医学图像分割,U-Net,息肉分割,注意力,卷积神经网络

基金：国家自然科学基金资助项目（U1603115）。

准确分割结肠镜获取图像中的息肉区域，可辅助医生诊断肠道疾病，但下采样过程中息肉区域结构信息缺失，现有方法存在过度分割和欠分割的问题。为解决以上问题，提出融合滤波增强和反转注意力分割网络（FFRNet）。首先，在跳级连接中加入了滤波增强模块（FEM），以增强下采样特征中局部病灶区域的结构信息；其次，通过聚合浅层特征来获取全局特征；最后，在上采样过程中采用多尺度反转注意力融合机制（MAFM），结合全局特征和上采样特征生成反转注意力权重，逐层挖掘特征中的息肉区域信息，引导网络建立目标区域与边界之间的关系，以提高模型对息肉区域分割的完整性。在Kvasir和CVC-ClinicDB数据集上，与不确定性增强上下文注意力网络（UACANet）相比，FFRNet的Dice相似系数（DSC）分别提升了0.22%和0.54%。实验结果表明，FFRNet能够有效提高息肉图像分割精度，同时具有较好的泛化能力。

来源：2023年第1期

《计算机应用》期刊编辑部

查看计算机应用杂志2023年第1期