一种结合U-net和改进卷积块注意力模块的胸部X光肺部分割新方法
图像与视频处理
2024-05-08 v2 计算机视觉与模式识别
机器学习
摘要
胸部X光图像中的肺部分割至关重要，因为它在各种肺部疾病的诊断和治疗中起着关键作用。本文提出了一种通过将U-net与注意力机制相结合来进行胸部X光图像肺部分割的新方法。所提出的方法通过引入卷积块注意力模块（CBAM）来增强U-net架构，该模块统一了三种不同的注意力机制：通道注意力、空间注意力和像素注意力。通道注意力机制使模型能够专注于跨不同通道的最具信息量的特征。空间注意力机制通过关注重要的空间位置来提高模型定位的精度。最后，像素注意力机制使模型能够关注单个像素，进一步细化模型的焦点，从而提高分割的准确性。所提出的CBAM与U-net架构的结合标志着医学成像领域的一个重大进步，对提高诊断精度和患者预后具有潜在意义。该方法的有效性通过与当代最先进技术的对比验证，展示了其在分割性能上的优越性。
引用
@article{arxiv.2404.14322,
title = {A Novel Approach to Chest X-ray Lung Segmentation Using U-net and Modified Convolutional Block Attention Module},
author = {Mohammad Ali Labbaf Khaniki and Mohammad Manthouri},
journal= {arXiv preprint arXiv:2404.14322},
year = {2024}
}