基于层间异质协同性和三向引导融合的3D肺肿瘤分割网络

《Opto-Electronic Engineering》:3D lung tumor segmentation network based on inter-slice heterogeneous synergy and tridirectional guided fusion

【字体: 大 中 小 】 时间:2026年10月23日 来源:Opto-Electronic Engineering

编辑推荐:

  **摘要** 针对肺肿瘤3D CT图像由于各向异性导致z轴方向采样稀疏而引起的三维形态断裂,以及病灶特征容易受到背景噪声干扰导致的分割遗漏问题,本文提出了一种基于层间异构协同和三向引导融合的分割网络。该网络首先设计了层间异构协同模块,通过3D/2D异构分支的空间解耦和隐式交互策

  **摘要**

针对肺肿瘤3D CT图像由于各向异性导致z轴方向采样稀疏而引起的三维形态断裂,以及病灶特征容易受到背景噪声干扰导致的分割遗漏问题,本文提出了一种基于层间异构协同和三向引导融合的分割网络。该网络首先设计了层间异构协同模块,通过3D/2D异构分支的空间解耦和隐式交互策略,对平面内和层间采样差异进行异构特征建模,从而在保留平面纹理的同时缓解层间断裂问题,并抑制边界定位偏差。接着,引入了三向引导融合模块,利用跨层三向信息流和多尺度引导通道注意力机制,实现浅层细节与深层语义的深度互补,增强了病灶的判别能力。实验结果表明,在临床肺肿瘤数据集上,与nnU-Net相比,本文网络的Dice系数提升了1.80%,HD95降低了1.03 mm,并在MSD-Lung数据集和RIDER-LungCT-Seg数据集上也取得了良好的性能。这证明了本文网络的有效性和泛化能力,为肺肿瘤的自动化分割提供了新的解决方案。

**关键词**
肺肿瘤;3D分割;深度学习;各向异性;多尺度融合
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号