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
生物通微信公众号
生物通新浪微博
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