信息与控制

作者：张英迪, 史泽林, 王欢, 崔少千, 张磊, 刘嘉琛, 单修祺, 刘云鹏, 赵恩波

关键词：卷积神经网络, 医学图像分割, Transformer, 多尺度特征提取

腰椎解剖区域自动分割在脊柱影像自动分析流程中发挥着重要作用。尽管经典的卷积神经网络能够捕捉影像全局特征，其局部先验和权重共享的特性限制了长距离建模的能力。为了解决以上问题，本文提出了一种用于腰椎解剖区域分割的Swin Transformer融合网络，将Swin Transformer网络和多尺度空洞卷积融合作为编码器来得到全局和局部特征的层次化表达。设计了特征耦合模块，在通道和空间2个维度将来自Transformer模块和卷积模块的特征进行耦合，提高了模型的局部和长距离建模能力。为了解决开源数据缺乏的问题，提出了带有体素级标注的、包含663个腰椎椎骨计算断层成像的数据集。在此数据集上的实验表明提出的模型分割精度超过了典型医学图像分割方法，本文模型的骰子系数、Hausdorff距离和平均表面距离分别为88. 24%、14. 48和0. 997。消融实验进一步验证了所提出模块的有效性。

来源：2025年第3期

《信息与控制》期刊编辑部

查看信息与控制杂志2025年第3期