%0 Journal Article %A 沈雪雯 %A 王晓东 %A 姚宇 %T 基于空间分频的超声图像分割注意力网络 %D 2021 %R 10.11772/j.issn.1001-9081.2020091470 %J 计算机应用 %P 1828-1835 %V 41 %N 6 %X 针对医学超声影像噪点多、边界模糊,器官轮廓很难界定的问题,提出了一种基于空间分频的超声图像分割注意力网络(SFDA-Net)。首先,借助Octave卷积在整个网络中对图像实现了高、低频并行处理,从而获得更加多元的信息。然后,加入卷积块注意模块(CBAM),使图像特征恢复时更加关注有效信息,以减小分割目标整体区域的缺失。最后,使用Focal Tversky Loss作为目标函数,从而降低简单样本的权重并加强对困难样本的关注,以及降低各个类别间因像素误判而引入的误差。通过多组对比实验可知,SFDA-Net的参数量低于原UNet++,而分割精度提高了6.2个百分点,Dice得分提高了8.76个百分点,类别平均像素准确率(mPA)提升至84.09%,平均交并比(mIoU)提升至75.79%。SFDA-Net在降低参数量的同时稳步提高了网络性能,实现了更为准确的超声心动图分割。 %U http://www.joca.cn/CN/10.11772/j.issn.1001-9081.2020091470