LFSCA-UNet:基于空间与通道注意力机制的肝纤维化区域分割网络

目的 肝纤维化是众多慢性肝脏疾病的常见表现,如不及时治疗可发展为肝硬化甚至引发肝癌.肝纤维化的准确评估对临床治疗和预后评估等至关重要.目前,肝纤维化的诊断通过肝穿活检判断,有创且有并发症危险.为此,基于影像学的无创诊断方法越来越受到关注.本文提出一种基于通道注意力与空间注意力机制改进的用于肝纤维化区域的自动化分割U-Net(liver fibrosis region segmentation network based on spatial and channel attention mechanisms,LFSCA-UNet).方法 依据Attention U-Net的改进方式,围绕U-Net的跳跃连接结构进行基于注意力的改进,在AG(attention gate)的基础上,加入以ECA(efficient channel attention)模块为实现方式的通道注意力机制,依据加入ECA的位置,LFSCA-UNet分为A、B、C共3个子型.结果 在肝数据集上与其他实验网络进行评估对比,本文提出的LFSCA-UNet网络结构平均Dice系数达到了93.33％,相比原始U-Net的Dice系数提高了0.5396％.结论 本文方法将空间注意力机制与通道注意力机制进行结合,有效提高了肝纤维化区域的分割精度,对空间注意力模块使用通道注意力模块优化输入和输出,增加了网络的稳定性,提升了网络的整体效果.