计算机工程

作者：周哲臣, 胡冀苏, 钱旭升, 郑毅, 戴亚康, 周志勇

单位：1. 中国科学技术大学(苏州)生物医学工程学院生命科学与医学部，江苏 苏州 2151632. 中国科学院苏州生物医学工程技术研究所，江苏 苏州 215163

关键词：磁共振成像,脑组织分割,深度学习,自注意力,分割精度

基金：国家自然科学基金(62271480); 国家自然科学基金(62301557); 中国科学院青促会基金(2021324); 江苏省重点研发计划项目(BE2022049)

磁共振成像(MRI)脑组织分割在临床诊断、治疗规划、神经学研究、脑功能定位等方面具有重要意义，有助于帮助医生理解和治疗各种神经系统相关的疾病。目前基于Transformer的方法基于自注意力机制提取特征并进行分割，存在为降低自注意力机制的复杂度而牺牲分割精度的问题。为了解决上述问题，提出基于查询自适应双层自注意力机制的MRI脑组织分割网络。在编码器-解码器的网络架构中将查询自适应双层自注意力模块作为主编码器。查询自适应双层自注意力模块包括动态稀疏的粗粒度层和像素级自注意力的细粒度层。粗粒度层基于自注意力计算描述图像块间的相关性，动态地过滤掉不相关的图像块，实现灵活高效的计算，细粒度在挑选出的相关区域应用像素到像素的自注意力，以提升分割精度。该模块可提升分割精度，同时有效控制计算复杂度。分割算法在常用的脑核磁共振图像分割基准上进行验证，实验结果表明，该方法的Dice系数(DSC) 为0.917±0.030，豪斯多夫距离(HD95)为1.196±0.613 mm，在图像分割性能上优于其他先进方法，证明了该方法在核磁共振图像脑组织分割任务中的有效性和准确性。

来源：2025年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第7期