带注意力门和多尺度空间注意力机制的自适应双残差 U-Net (ADRUwAMS)
计算机视觉与模式识别
2026-04-13 v1 人工智能
摘要
脑瘤是一种有害的脑肿瘤，需及早检测以确保更好的健康结果。对该肿瘤的早期检测是有效治疗的关键关键，需要自动化的分割过程。然而，由于肿瘤特征如位置和大小，寻找肿瘤是一个具有挑战性的任务。深度学习模型是一种可靠的方法，可准确地将肿瘤区域从健康组织中分离出来，近年来已显示出有前景的成果。在本研究中，引入一种自适应双残差 U-Net 带注意力门和多尺度空间注意力机制 (ADRUwAMS)。该模型是自适应双残差网络、注意力机制和多尺度空间注意力的创新组合。双自适应残差网络架构从脑图像中捕获高层语义和复杂的低层细节，确保对不同肿瘤部分、类型和难以识别区域的精确分割。注意力门使用门控信号和输入信号为输入特征计算注意力系数，多尺度空间注意力生成缩放注意力图并组合这些特征以保存关于脑肿瘤的最重要信息。我们在 BraTS 2020 和 BraTS 2019 数据集上使用 ReLU 激活函数训练了该模型 200 个 epoch。这些改进在 BraTS 2020 上实现了高准确率，实现了整块肿瘤 dice 分数为 0.9229、肿瘤核心 dice 分数为 0.8432、增强肿瘤 dice 分数为 0.8004。
引用
@article{arxiv.2604.08893,
title = {Adaptive Dual Residual U-Net with Attention Gate and Multiscale Spatial Attention Mechanisms (ADRUwAMS)},
author = {Mohsen Yaghoubi Suraki},
journal= {arXiv preprint arXiv:2604.08893},
year = {2026}
}