关键词:
医学图像分割
肝脏肿瘤分割
轻量级分割
摘要:
针对肝脏肿瘤计算机断层扫描(CT)图像分割中边界模糊、小目标漏检及模型参数量大的问题,提出一种轻量级肝脏肿瘤分割模型LDA-UNet。该模型基于U-Net架构,通过深度非对称特征提取块(DAFEB)融合深度可分离卷积与非对称卷积,嵌入通道注意力和空间注意力模块以增强特征表征能力,并采用空洞注意力块(AAB)扩大感受野。在LiTS数据集上的实验结果表明,所提模型的参数量和浮点运算数(FLOPs)分别仅为2.29×10~6和5.10×10~9,对肝脏和肿瘤分割的Dice相似系数(DSC)分别平均为91.68%和61.40%,95%Hausdorff距离(HD95)分别平均为10.77 mm和22.38 mm,性能优于U-Net等对比模型。在KiTS23数据集上的泛化性验证结果表明,所提模型对肾脏和肿瘤分割的DSC分别平均为87.03%和74.25%,HD95分别平均为14.45 mm和64.64 mm。以上结果表明,LDA-UNet在保持轻量化的同时,展现了优异的分割性能和临床部署潜力。