计算机应用研究

作者：普钟,张俊华,黄昆,周奇浩,

单位：云南大学信息学院,昆明650500；

关键词：脊椎图像分割,U型网络,坐标注意力,双支路通道Transformer,Transformer-Convolution融合注意力,

基金：国家自然科学基金资助项目(62063034)；；

针对脊椎CT、MR图像分割模型分割性能不高的问题，基于U型网络提出了脊椎分割网络MAU-Net。首先引入坐标注意力模块，使网络准确捕获到空间位置信息，并嵌入到通道注意力中；然后提出基于Transformer的双支路通道交叉融合模块代替跳跃连接，进行多尺度特征融合；最后提出特征融合注意力模块，更好地融合Transformer与卷积解码器的语义差异。在脊柱侧凸CT数据集上，Dice达到0.929 6，IoU达到0.859 7。在公开MR数据集SpineSagT2Wdataset3上，与FCN相比，Dice提高14.46%。实验结果表明，MAU-Net能够有效减少椎骨误分割区域。

来源：2023年第4期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第4期