摘要: 针对肾脏结构中,因不同结构间差异大,动静脉体积小、结构薄及计算机断层扫描血管造影(CTA)图像灰度分布不均和伪影带来的精确分割困难的问题,提出基于非对称多解码器和注意力模块的三维肾脏影像结构分割模型MDAUnet(MultiDecoder-Attention-Unet)。首先,针对不同结构间差异大导致网络无法共享权重的问题,采用多解码器结构,为语义结构不同的特征结构匹配不同的解码器分支;其次,针对血管体积小,结构薄难分割的问题,引入非对称的空间通道联合注意力模块使模型更加关注管状结构,并对学习到的特征信息同时进行空间维度和通道维度的校准;最后,为了保证模型在反向传播中对血管结构有足够的关注,提出了改进的加权硬区域适应损失(WHRA)作为损失函数来动态的保持训练过程中血管结构的类间平衡以及保留背景信息的特征;此外,为了提高特征图灰度值的对比度,将传统图像处理边缘检测算子嵌入模型的预处理阶段,对待分割的感兴趣区域边界进行特征增强使得模型更关注边界信息并抑制伪影信息。实验结果表明,所提出的MDAUnet模型在肾脏结构分割任务上的Dice相似系数(DSC),豪斯多夫距离95(HD95)和平均表面距离(AVD)分别为89.1%,1.76mm和1.04mm,与MGANet相比,MDAUnet在DSC指标上提升了1.2个百分点;与UNETR相比,MDAUnet在HD95和ASD指标上分别降低了0.84毫米和0.45毫米。可见MDAUnet能有效提高肾脏三维结构分割精度,有助于医生在临床手术中客观有效的评估病情。
中图分类号: