计算机应用研究

作者：邱丹丹,任书敏,张倩,句建国,涂慧娟,

单位：1.西北大学信息科学与技术学院,西安710016；2.昆山市中医医院放射科,江苏苏州215300；

关键词：肿瘤分割,目标挖掘,多尺度融合,注意力机制,医学图像处理,

基金：江苏省昆山高层次医学人才柔性引进团队项目(01201802)；国家自然科学基金面上项目(61973249)；山西省教育厅高等学校教学改革创新项目(J20221157)；吕梁市重点研发项目(2023GXYF20)；；

从计算机断层扫描（CT）中准确分割各种临床病变是肿瘤学成像的关键任务。然而，现有分割框架均是针对某种特定类型疾病设计的，且对于精确分割视觉上不显著的小范围肿瘤仍然极具挑战性。为此，通过模仿临床医生的诊断行为，提出基于多尺度视觉信息和非局部目标挖掘的非显著小肿瘤分割框架。该框架首先结合尺度空间理论提取1.0×、0.5×、1.5×尺度下的差异化特征。然后，使用尺度融合模块分层融合特定尺度的特征映射，得到既全面又准确的肿瘤表征。得到的特征通过全局定位模块捕获通道和空间位置的远程语义依赖关系，从全局角度定位肿瘤，得到初始预测结果。分层聚焦模块基于前景和背景特征进行上下文探索，逐层聚焦错误区域，并利用逐元素加法、减法消除这些错误。通过逐层细化粗糙的预测结果，最终实现更为精细的非显著小肿瘤分割。在小肠间质瘤数据集（SISD）和胰腺肿瘤数据集（PTD）的实验表明，该框架在6个标准度量下均优于现有的10个先进方法。所提框架在SISD和PID数据集上分别达到58.37%和57.64%（Dice），比之前最优秀的结果分别提高7.38百分点和4.07百分点。

来源：2024年第12期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第12期