為解決醫(yī)學(xué)圖像中前景背景比例嚴(yán)重失衡及小目標(biāo)區(qū)域難以分割的問題,該文提出了一種基于高斯圖像金字塔的注意力網(wǎng)絡(luò)。具體地,首先在特征解碼階段將空間信息與抽象信息進(jìn)行特征融合;其次,設(shè)計了一個特征召回器以強(qiáng)制編碼器減少遺漏感興趣區(qū)域的特征;最后,引入分類精度和全局區(qū)域重疊項組成的混合損失函數(shù)來處理醫(yī)學(xué)圖像前景背景嚴(yán)重不平衡問題。所提出的方法在膝關(guān)節(jié)軟骨數(shù)據(jù)集和COVOID-19胸部CT數(shù)據(jù)集中進(jìn)行了驗證,其分割區(qū)域分別占2.08%和10.73%。與U-Net及其主流變體相比,該方法在兩個數(shù)據(jù)集上都得到了最佳的Dice系數(shù),分別為0.884±0.032和0.831±0.072。

【文章頁數(shù)】：12 頁


本文編號：3792362