基于注意力机制的三维肿瘤图像分割算法.pdfVIP

Vol.53No.1计算机与数字工程总第423期

228ComputerDigitalEngineering第53卷

2025年第1期

基于注意力机制的三维肿瘤图像分割算法∗

刘晓丽程晓荣

（华北电力大学控制与计算机工程学院保定071003）

摘要脑肿瘤严重危害人类身心健康，从核磁共振图像中自动分割出三肿瘤区域可以有效辅助医生诊疗。针对2D

系列网络只关注到局部信息，忽略了不同模态空间一致性问题，提出了3D端到端的U型网络分割方法。首先，为充分利用

多尺度特征信息，在编码器部分加入通道空间混合域注意力机制以实现特征提取增强；其次，通过改进上采样和下采样操作

机制以防止信息丢失；最后，为增强网络训练，解码器部分引入了深度监督。基于BraTS2021数据集的实验结果表明，Dice

相似系数、灵敏度和HD95距离分别达到了85.92%，92.04%和17.47，在多模态肿瘤分割和边缘轮廓方面都有较好的准确性。

关键词注意力机制；3DUnet网络；核磁共振图像；深度监督算法

中图分类号TP391.7DOI：10.3969/j.issn.1672-9722.2025.01.041

3DTumorImageSegmentationAlgorithmBasedon

AttentionMechanism

LIUXiaoliCHENGXiaorong

（SchoolofControlandComputerEngineering，NorthChinaElectricPowerUniversity，Baoding071003）

AbstractAutomaticsegmentationofbraintumorregionsfrommultiplemodesofMRIcaneffectivelyassistdoctorsindiagno⁃

sisandtreatment.A3Dend-to-endU-shapednetworksegmentationmethodisproposedtosolvetheproblemthatthe2Dseriesnet⁃

workonlyfocusesonlocalinformationandignoresthespatialconsistencyofdifferentmodalities.Firstly，achannelspacemixeddo⁃

mainattentionmechanismisaddedintheencodertorealizefeatureextractionenhancement.Secondly，theoperationmechanismof

up-samplinganddown-samplingisimprovedtopreventinformationloss.Finally，inordertofuseglobalinformation，balancethe

lossofdifferentlevelsandspeedupnetworktraining，depthsupervisionisintroducedtothedecoderpart.Theexperimentalresults

basedonBraTS2021datasetshowthatDicessimilaritycoefficient，sensitivityandHD95distancereached85.92%，92.04%and

17.47，respectively，whichshowsgoodaccuracyinmulti-modaltumorsegmentationandedgecontour.

KeyWordsattentionalmechanisms，3DUnetnetwork，magneticresona