原创力文档摘要
脑提取从3D头部影像数据中剥离脑组织，是人脑神经影像分析的关键步骤之一。
现有方法使用卷积和注意力机制取得了较好效果，但是这些方法仍存在以下不足：第一，
现有方法网络结构复杂且未能充分挖掘全局和局部依赖关系（即长程与短程依赖关系）。
同时，这些方法的计算成本高且推理速度慢，难以在资源受限的环境部署。第二，现有
方法对人脑全局解剖结构和表面细节的建模能力不足，从而不能有效区分灰度值相近的
脑组织与非脑组织，造成分割结果出现空洞和边缘噪声较大等问题。
针对问题一，本文提出一种基于递归多层感
摘要
脑提取从3D头部影像数据中剥离脑组织，是人脑神经影像分析的关键步骤之一。
现有方法使用卷积和注意力机制取得了较好效果，但是这些方法仍存在以下不足：第一，
现有方法网络结构复杂且未能充分挖掘全局和局部依赖关系（即长程与短程依赖关系）。
同时，这些方法的计算成本高且推理速度慢，难以在资源受限的环境部署。第二，现有
方法对人脑全局解剖结构和表面细节的建模能力不足，从而不能有效区分灰度值相近的
脑组织与非脑组织，造成分割结果出现空洞和边缘噪声较大等问题。
针对问题一，本文提出一种基于递归多层感
文档评论（0）