基于多尺度注意力融合網(wǎng)絡(luò)的胃癌病理圖像分割方法*[人工智能][醫(yī)療電子]

近年來，隨著深度學(xué)習(xí)技術(shù)的發(fā)展，基于編解碼的圖像分割方法在病理圖像自動(dòng)化分析上的研究與應(yīng)用也逐漸廣泛，但由于胃癌病灶復(fù)雜多變、尺度變化大，加上數(shù)字化染色圖像時(shí)易導(dǎo)致的邊界模糊，目前僅從單一尺度設(shè)計(jì)的分割算法往往無法獲得更精準(zhǔn)的病灶邊界。為優(yōu)化胃癌病灶圖像分割準(zhǔn)確度，基于編解碼網(wǎng)絡(luò)結(jié)構(gòu)，提出一種基于多尺度注意力融合網(wǎng)絡(luò)的胃癌病灶圖像分割算法。編碼結(jié)構(gòu)以EfficientNet作為特征提取器，在解碼器中通過對多路徑不同層級的特征進(jìn)行提取和融合，實(shí)現(xiàn)了網(wǎng)絡(luò)的深監(jiān)督，在輸出時(shí)采用空間和通道注意力對多尺度的特征圖進(jìn)行注意力篩選，同時(shí)在訓(xùn)練過程中應(yīng)用綜合損失函數(shù)來優(yōu)化模型。實(shí)驗(yàn)結(jié)果表明，該方法在SEED數(shù)據(jù)集上Dice系數(shù)得分達(dá)到0.806 9，相比FCN和UNet系列網(wǎng)絡(luò)一定程度上實(shí)現(xiàn)了更精細(xì)化的胃癌病灶分割。

發(fā)表于：2023/9/22 16:54:40