文献类型：期刊文章

作　　者：王萍[1] 徐凯成[2] 张一弛[2] 王海玲[2] 蔡清萍[3] 卫子然[3] 胡尊琪[3]

WANG Ping;XU Kaicheng;ZHANG Yichi;WANG Hailing;CAI Qingping;WEI Ziran;HU Zunqi(School of Continuing Education,Shanghai University of Engineering Science,Shanghai 201620,China;School of Electronic and Electrical Engineering,Shanghai University of Engineering Science,Shanghai 201620,China;Department of Gastrointestinal Surgery,Shanghai Changzheng Hospital,Shanghai 200003,China)

机构地区：[1]上海工程技术大学继续教育学院,上海201620 [2]上海工程技术大学电子电气工程学院,上海201620 [3]上海长征医院肠胃外科,上海200003

出　　处：《中国医学物理学杂志》

基　　金：上海市科学技术委员会科研计划项目(18411952800)。

年　　份：2022

卷　　号：39

期　　号：9

起止页码：1133-1139

语　　种：中文

收录情况：CSCD、CSCD_E2021_2022、JST、ZGKJHX、普通刊

摘　　要：首先利用全局与局部注意力对肿瘤进行定位,然后在模型中加入反注意力机制,将显著特征从原特征图中消除,并保留肿瘤的边缘轮廓信息。此外还在模型中使用深度监督,监督各个深度解码层的训练,有效抑制模型梯度消失现象,提高分割的准确性。本研究使用的是上海长征医院的胃部CT数据集,并将提出的模型与U-Net、Attention U-Net和ET-Net的实验对比。研究结果表明,相较于传统的U-Net网络模型,基于反注意力机制的U-Net模型在胃部肿瘤分割中性能得到了较大的提高,证明了该网络模型的有效性。

关 键 词：胃部肿瘤分割  深度学习  图像处理 反注意力机制  U-Net网络  

分 类 号：R318[生物医学工程类] TP391[基础医学类]