计算机应用研究

作者：申华磊,王琦,上官国庆,刘栋,

单位：1.河南师范大学计算机与信息工程学院,河南新乡453007；2.河南省教育人工智能与个性化学习重点实验室,河南新乡453007；3.教学资源与教育质量评估大数据河南省工程实验室,河南新乡453007；

关键词：脑提取,深度神经网络,U-Net,多尺度特征融合,3DMLP,

基金：国家自然科学基金项目(62072160)；河南省科技攻关项目(232102211024)；；

为了解决现有脑提取网络结构复杂、参数量大且推理速度不高的问题，受UNeXt启发，提出一种基于3D卷积、3D多层感知机（multilayer perception，MLP）和多尺度特征融合的轻量级快速脑提取网络3D UNeXt，极大地减少了参数和浮点运算量，取得了令人满意的结果。3D UNeXt以U-Net为基本架构，在编码阶段使用3D卷积模块获取局部特征；在瓶颈阶段通过3D MLP模块获取全局特征和特征之间的远程依赖；在解码阶段借助多尺度特征融合模块高效融合浅层特征和深层特征。特别地，3D MLP模块在三个不同特征轴向进行线性移位操作，以获取不同维度特征的全局感受野并建立它们之间的远程依赖。在IBSR、NFBS和HTU-BrainMask三个数据集上进行实验，以和先进网络进行对比。实验结果表明，3D UNeXt在网络参数、浮点运算量、推理精度和速度等方面显著优于现有模型。

来源：2024年第6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6期