位置信息增强的TransUnet医学图像分割方法.pdfVIP

位置信息增强的TransUnet医学图像分割方法.pdf

  1. 1、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

计算机科学与探索1673-9418/2025/19(04)-0976-13

JournalofFrontiersofComputerScienceandTechnologydoi:10.3778/j.issn.1673-9418.2406001

位置信息增强的TransUnet医学图像分割方法

+

赵亮,刘晨,王春艳

辽宁工程技术大学软件学院,辽宁葫芦岛125105

+通信作者E-mail:1114566281@

摘要:医学图像分割能够辅助医生快速准确地识别医学图像中的器官和病变部位,对提高临床诊断的效率有重要

的价值。结合Transformer的U-Net是当前医学图像分割领域的主流方法,但是Transformer对于局部信息的提取能

力较弱,并且U-Net结构在上采样和下采样过程中会损失细节位置信息。针对以上问题,提出一种位置信息增强的

TransUnet医学图像分割网络PETransUnet。该网络使用位置高效注意力模块(PEA)对特征的位置信息进行增强;使

用双注意力桥模块(DAB),弥补编码阶段和解码阶段特征之间的语义差距;使用跨通道注意力融合模块(CCAF)减

少上采样时丢失的位置信息。提出的方法在公开数据集Synapse上进行验证,Dice系数和HD95系数分别达到

82.92%和18.87%;在公开数据集ACDC上进行验证,Dice系数达到90.73%;在公开数据集LITS17上进行验证,肝脏

和肝肿瘤Dice系数分别达到94.85%和74.47%。与近期多种算法进行比较,具有更高的分割精度。

关键词:医学图像分割;Transformer;特征融合;位置编码

文献标志码:A中图分类号:TP391.4

PositionalEnhancementTransUnetforMedicalImageSegmentation

+

ZHAOLiang,LIUChen,WANGChunyan

CollegeofSoftware,LiaoningTechnicalUniversity,Huludao,Liaoning125105,China

Abstract:Medicalimagesegmentationcanassistdoctorstoquicklyandaccuratelyidentifyorgansandlesionsinmedical

images,whichisofgreatvalueinimprovingtheefficiencyofclinicaldiagnosis.U-NetcombinedwithTransformeristhe

mainstreammethodinthefieldofmedicalimagesegmentation.However,Transformerhasweakabilitytoextractlocalin-

formation,andtheU-Netstructurewilllosedetailedlocationinformationduringupsamplinganddownsampling.Toad-

dresstheaboveproblems,thispaperproposesaTransUnetmedicalimagesegmentationnetworkwithenhancedposition

information,PETransUnet.Thenetworkfirstusesthepositionalefficientattentionblock(PEA)toenhancethepositionin-

formationoffeatures.Secondly,thedualattentionbridgeblock(DAB)isusedtomakeupforthesemanticgapbetween

thefeaturesinthe

文档评论(0)

你就是我的小鱼鱼 + 关注
实名认证
文档贡献者

教师资格证持证人

该用户很懒,什么也没介绍

领域认证 该用户于2024年10月18日上传了教师资格证

1亿VIP精品文档

相关文档