SEU-Net:多尺度的U-Net,具有SE注意力机制,用于肝脏占据病变的CT图像分割
Lizhuang Liu1, Kun Wu1, Ke Wang2
1Shanghai Advanced Research Institute, Chinese Academy of Sciences, University of Chinese Academy of Sciences, Shanghai, China.
PeerJ. Computer science
|March 4, 2024
概括
SEU2-Net使用一种新的注意力机制准确地对肝病变进行细分. 这种深度学习方法提高了异常肝脏区域的诊断能力.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算机视觉 计算机视觉
背景情况:
- 占据肝脏的病变对健康构成重大风险.
- 准确的细分对于诊断和治疗计划至关重要.
- 在复杂的情况下,现有的方法可能缺乏精度.
研究的目的:
- 开发一种先进的深度学习模型,用于精确的肝损伤细分.
- 引入一个新的网络,SEU2-Net,将道关注集成到U2-Net.
- 在医学成像中提高肝损伤检测的准确性和自动化.
主要方法:
- 拟议的SEU2-Net,将Squeeze-and-Excitation (SE) 注意力纳入剩余U块 (RSU) 中.
- 开发了一个新的腹部CT数据集 (PUFH) 用于肝损伤细分.
- 在PUFH和LiTS数据集上对八个深度学习网络进行了SEU2-Net的评估.
主要成果:
- SEU2-Net在肝损伤细分方面展示了最先进的性能.
- 道注意力机制适应性地重新校准了特征响应,以提高准确性.
- 该模型在不同数据集中表现出良好的稳定性.
结论:
- SEU2-Net在自动化肝损伤细分方面取得了重大进展.
- 集成SE注意力增强了U2-Net用于医疗图像分析的能力.
- 这种方法有望改善肝脏疾病的临床诊断和治疗.
