2021医学影像分割论文：MSGSE-Net：用于皮层下脑结构分割的多尺度引导压缩和提取网络

今天与大家分享一篇关于医学影像分割的论文。

**2021年影响因子/JCR分区：**5.719/Q1
论文链接：https://www.sciencedirect.com/science/article/pii/S0925231221010523
代码地址：https://github.com/neulxlx/MSGSE-Net

本文提出MSGSE模块，创新点：多尺度上下文的融合、多尺度空间注意力机制、自适应再校准，以UNet为baseline，提出一种新的熵加权值骰子丢失方法（EDL）。

1. MSGSE模块

2.熵权骰子损失函数

由于皮脑下层边界分割效果较差，边界的模糊体素不容易区分，在训练过程中，易被分割的体素占比大多数，并且控制着梯度；而模糊提速的判断正误会影响分割的正确率。因此，提出一种新的熵加权骰子损失算法关注模糊的体素。强制网络学习模糊体素的特征。下图是UNet网络的分割效果，其中图（d）表示分割错误的边界体素。

解决数据不平衡的常用策略是为每个体素引入加权因子。因此，本文将体素级别权重定义为：

其中，p_ci是被网络预测分类的概率。体素水平权重度量体素预测的不确定性。使用建议的自动体素加权方法，我们建议的熵加权骰子损失定义为：

其中，为网络预测与图像真实值的通道数，为0.00001，主要是为了稳定分式的值。

3.多尺度空间注意监督

空间注意监督可以使得网络在训练时更加聚集于目标区域。训练的过程如下，A_i表示MSGSE模块在第i级生成的注意力图，将带有n个卷积核的1×1卷积作用到A_i，最后再添加一个softmax层。其中，n表示分类的数目，使用双线性插值将输出上采样到输入图像大小，以获得空间注意mask M_i。空间监督注意损失定义为：

其中“交叉熵”是注意mask M_i 和GT标签之间的多类交叉熵；表示解码器规模的数量，表示本文提出的熵加权骰子损失。这种监督促使注意力遮罩尽可能靠近背景标记。

4.损失函数

本文提出的损失函数包含两个部分，分别是分割损失与上文提到的空间注意监督损失。分割损失包括预测图片与GT标签之间的多类交叉熵、本文提出的熵加权骰子损失。分割损失公式如下：

其中，P表示预测图。因此，该模型的损失函数的公式为：

其中，λ是平衡分割损失与空间注意监督损失之间的超参数，本文实验中设置为1。

5.实验结果

本文实验参考的评价指标为Dice与MHD，下面为在IBSR数据集上获得的脑结构分割结果。

图5 U-Net和所提出的模型在IBSR数据集上的结构级骰子性能

2021医学影像分割论文：MSGSE-Net：用于皮层下脑结构分割的多尺度引导压缩和提取网络相关推荐

【论文合集】2022年10月医学影像期刊论文合集
★ 本月IEEE Transactions on Medical Imaging(1区 top if 11.037) 共32篇, Medical Image Analysis(1区 top if 13 ...
【论文合集】2022年11月医学影像期刊论文合集
★ 本月IEEE Transactions on Medical Imaging(1区 top if 11.037) 共41篇, Medical Image Analysis(1区 top if 13 ...
【论文合集】2022年12月医学影像期刊论文合集
★ 本月IEEE Transactions on Medical Imaging(1区 top if 11.037) 共41篇, 本月无MIA. " 标题高频词汇 ('learning', ...
医学影像PACS论文175篇汇总【2010年HC3i年终盘点】
经历过2010年一年时间,HC3i论坛也与大家相伴快一年了,这一年中,网友分享专业医疗信息化资料超过15000个,HC3i感谢大家的支持与厚爱!岁末年初之极,也整理盘点一下,方便大家回顾一年中精华资源 ...
知识图谱-生物信息学-医学顶刊论文(Bioinformatics-2021)-MUFFIN:用于DDI预测的多尺度特征融合
2.(2021.3.15)Bioinformatics-MUFFIN:用于DDI预测的多尺度特征融合论文标题: MUFFIN: multi-scale feature fusion for drug ...
知识图谱-生物信息学-医学顶刊论文(Bioinformatics-2021)-KG4SL:用于人类癌症SL预测的知识GNN
5.(2021.7.12)Bioinformatics-KG4SL:用于人类癌症SL预测的知识GNN 论文标题:KG4SL: knowledge graph neural network for sy ...
pytorch 语义分割loss_Recall Loss：用于不平衡图像分类和语义分割的召回损失
本文针对不平衡图像分类和语义分割问题,提出了一种基于度量召回的新损失函数:Recall Loss,很好地平衡了精度和准确性,可显著提高不平衡图像分类和不平衡语义分割任务的性能. Recall Loss ...
磁共振t1t2信号记忆顺口溜_医学影像分割入门、MRI、t1、t2等序列概念
医学影像分割,是深度学习与医学的结合,通过对医学影像的分析处理,实现对病灶部位的自动分割. MRI MRI是磁共振成像(Megnetic Resonace Imaging),原理是依据释放的能量(也可 ...
医学影像分割入门MRI关于T1、T2、Flair等概念
医学影像分割入门MRI关于T1.T2.Flair等概念相关概念:医学影像分割,是深度学习与医学的结合,通过对医学影像的分析处理,实现对病灶部位的自动分割. MRI MRI是磁共振成像(Megneti ...

2021医学影像分割论文：MSGSE-Net：用于皮层下脑结构分割的多尺度引导压缩和提取网络

2021医学影像分割论文：MSGSE-Net：用于皮层下脑结构分割的多尺度引导压缩和提取网络相关推荐

最新文章

热门文章