计算机工程

作者：曹加旺, 田维维, 刘学玲, 李郁欣, 冯瑞

单位：1. 复旦大学 工程与应用技术研究院, 上海 200433;2. 复旦大学附属华山医院 放射科, 上海 200433

关键词：图像分割,帕金森病,黑质致密部,U形神经网络,Transformer模块,多任务学习

基金：上海市科委项目“大规模跨模态序列数据的可解释互生成关键技术研究”（20511100800）。

人脑黑质致密部分割能够为帕金森病的诊断提供一定依据。黑质致密部在人脑核磁共振成像中像素占比低、类间差异小，为提高计算机辅助诊断系统对人脑黑质致密部的分割精度，提出一种基于改进U形神经网络（U-Net）的人脑黑质致密部分割方法。为了提取更多有效的多尺度图像语义特征，结合U-Net的跨连接结构并采用多头注意力机制，同时融合基于Transformer编码器的高维语义编码模块以提取高维语义特征，避免浅层噪声对特征造成的影响。建立多任务模型并设计基于二维高斯核权重掩膜的损失函数，解决神经网络分割模型因多次下采样造成的不连续分割误差问题。构建包括140个帕金森病患者以及48个健康对照者的高精度核磁共振脑成像数据集进行实验，结果表明，相较常用的医疗影像分割方法R2U-Net、HANet等，该方法的多任务分割效果取得明显提升，戴斯相关系数和AUC指标分别达到0.869 1和0.943 9，消融实验结果也验证了改进编码器和改进损失这2个模块的有效性。

来源：2022年第11期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第11期