改进UNet的多级边缘增强医学图像分割网络

作者：胡帅; 李华玲; 郝德琛

来源：计算机工程, 2023, 1-12.

DOI：10.19678/j.issn.1000-3428.0067779

• 医学图像分割
• 边缘增强
• 注意力模块
• 多尺度特征
• 深度学习

医学图像分割的精度对医师的临床诊疗发挥着关键性的作用，但由于医学图像的复杂性以及目标区域的多样性，导致医学图像在边缘区域分割不完全和图像上下文特征信息利用不充分的问题上受到限制。为了解决此类问题，提出了一种改进UNet的医学图像分割网络(MDU-Net)。首先，在编码器结构中加入了提取双层低级特征信息的多级边缘增强模块(MEE)，通过不同扩张率的扩张卷积块获取特征层中丰富的边缘信息；其次，在跳跃连接中嵌入融合相邻层特征信息的细节特征关联模块(DFA)，以获取深层次、多尺度的上下文特征信息；最后，在解码器结构对应特征层中聚合不同模块所提取的特征信息，通过上采样操作得到最终的分割结果。在两个公开数据集上验证了模型的有效性，MDU-Net在准确度、特异性、查准率、Jaccard相似系数、Dice相似系数等评价指标上分别达到了97.96%、98.53%、95.46%、92.04%、95.78%。实验结果表明，相比U-Net、UNet++、TransUNet等分割模型，MDU-Net能够高效使用医学图像中不同特征层的特征信息，并在边缘区域取得了更好的分割效果。

• 出版日期2023
• 单位中北大学