吉林大学学报(工学版) Journal of Jilin University(Engineering and Technology Edition) ISSN 1672) 摘要:胰腺分割对胰腺癌的诊断起着至关重要的作用。但是,胰腺是一个小而柔软的器官,体积占比非常小,体 素强度与周围器官非常相似,而且在不同患者间呈现出非常高的解剖变异性。因此,胰腺分割难以获得较高的准 确率。深度卷积神经网络在胰腺分割中广泛使用,边界模糊的现象仍然存在,其精度仍需进一步提高。针对以上 问题,本文提出一种双输入的 3D 卷积神经网络实现胰腺分割,首先通过增加输入切片间上下文残差信息突出边 界区域,然后引入注意力机制抑制无用特征、增加有效特征的表达,最终提高了胰腺的分割准确率。该算法在 NIH 胰腺分割数据集上进行了评估,实验结果表明,本文提出的算法性能优先于对比的主流算法。 关键词:计算机应用;医学图像;胰腺分割;上下文残差信息;注意力机制 中图分类号:TP391 文献标志码:A DOI:.jdxbgxb20220141
Pancreas segmentation algorithm based on dual input 3D convolutional neural network LIU Gui-xia1,2,TIAN Yu-xin1,2,WANG Tao1,2,MA Ming-rui1,2 (1. College of Computer Science and Technology, Jilin University, Changchun 130012, China;2. Symbol Computation and Knowledge Engineering of Ministry Education, Jilin University, Changchun 130012, China) Abstract: Segmentation of pancreas plays an important role in the diagnosis of pancreatic cancer. However, the pancreas is a small