高书阳

摘 要 由于医学图像存在信噪比低、目标模糊和声影等问题，传统方法无法精准地对目标进行定位分割，存在不能准确地将关注点放在目标区域、无法区分目标与背景边界的缺陷，使得观察者很难准确地对目标位置进行定位。针对以上问题，我们提出了一种将注意力机制和卷积神经网络相结合的分割算法，该算法分两阶段对目标定位，第一阶段粗定位出目标的区域;第二阶段在第一阶段的目标区域内加上注意力机制，提取更深层语义特征预测出目标的掩码。首先，用深度卷积神经网络提取图像的全局特征;其次，借助类别预测和检测框回归任务粗定位出目标的位置;最后，利用训练好的模型对象胎盘图像分割，并采用多种分割评价指标对结果进行评价。实验结果表明，本文提出的方法具有较好的分割效果，相比与其他六种方法，在三个量化指标Dice、BF和Hausdorff得分上分别提高了0.06和0.25。

关键词 医学图像分割 卷积神经网络 注意力机制 胎盘图像

中图分类号：TP391 文献标识码：A 文章编号：1007-0745（2021）07-0053-07

1 前言

在胎儿的医疗诊断过程中，准确地识别胎盘图像中胎儿位置对评价胎儿和母亲的健康状况很重要。现有的方法主要是借助超声波扫描仪获得胎盘图像，再由专业的超声波图像解析人员识别出胎儿位置并采集各项数据（例如：头围、腹部宽度等），由于解析人员的专业知识和长时间的识别疲劳，导致胎儿位置的识别结果在不同的观察者那里会存在很大的差异;超声波解析人员在采集各项数据时，主要使用卡尺作为测量工具，卡尺的放置位置会对测量结果产生很大的误差。……