高效多注意力融合的U-Net结直肠息肉图像分割算法
2023-09-13许增宝苏树智胡天良
湖北民族大学学报(自然科学版) 2023年3期
关键词:特征
许增宝,苏树智,胡天良
(安徽理工大学 计算机科学与工程学院,安徽 淮南 232001)
结直肠癌是世界上最常见的癌症之一[1],就死亡率而言,被认为是主要致命癌症。结直肠癌的主要原因是长在结肠或直肠内壁的息肉发生癌变[2]。早期的结直肠镜检查可以有效地避免癌细胞向远处的器官扩散[3],从而降低治疗费用、减少病人痛苦、降低死亡率。结直肠镜检查是预防和发现结直肠癌的最佳方法,医生也可以通过该检查,在结直肠息肉发展成结直肠癌之前将其切除。然而由于在检查中息肉图像具有颜色、大小以及形状多样性的特点,导致对息肉图像的准确发现和切割一直存在困难。
近年来,深度学习被应用在各个领域[4],诸多基于U-Net的分割算法在医学领域中占据着重要的地位[5],很多学者将基于U-Net的图像分割算法做出改进,辅助医生发现和切割息肉。为了缩小编码子网络和解码子网络中特征映射之间的语义差距,Zhou等[6]提出U-Net++算法,将编码子网络和解码子网络通过一系列嵌套且密集的跳跃路径连接起来。为了使区域和边界具有约束,Fang等[7]提出新的选择性特征聚合网络,该网络包含1个共享编码器和2个相互约束的解码器,分别用于预测息肉区域和边界。为了提高分割效率,Jha等[8]提出了ResU-Net++算法,引用挤压块、激励块以及注意力机制来提高其分割的效率。为了获取更多的语义信息,Ibtehaz等[9]提出了MultiResU-Net算法,通过将2个U-Net互相堆叠来获取更多的语义信息。
以上方法在结直肠息肉图像分割中虽然能取得一定的效果,但对于图像的连续性均有一定破坏。……
登录APP查看全文
