基于通道和上下文注意力的分层SegNet用于胸部X光图像中的精确肺部分割
图像与视频处理
2024-05-22 v1 计算机视觉与模式识别
摘要
胸部X光图像中的肺部分割是医学图像分析中的关键任务，能够实现各种肺部疾病的准确诊断和治疗。本文提出了一种新颖的方法，通过将分层SegNet与提出的多模态注意力机制相结合来进行肺部分割。通道注意力机制突出显示对肺部分割至关重要的特定特征图或通道，而上下文注意力机制自适应地加权不同空间区域的重要性。通过结合这两种机制，所提出的机制使模型能够更好地捕捉各种特征之间的复杂模式和关系，从而提高分割精度和特征表示能力。此外，采用注意力门控机制将注意力信息与编码器特征相结合，使模型能够自适应地加权不同注意力特征的重要性并忽略不相关的特征。实验结果表明，我们提出的方法在肺部分割任务中达到了最先进的性能，优于现有方法。所提出的方法有潜力提高肺部疾病诊断和治疗的准确性和效率，并可扩展到其他医学图像分析任务。
引用
@article{arxiv.2405.12318,
title = {Hierarchical SegNet with Channel and Context Attention for Accurate Lung Segmentation in Chest X-ray Images},
author = {Mohammad Ali Labbaf Khaniki and Nazanin Mahjourian and Mohammad Manthouri},
journal= {arXiv preprint arXiv:2405.12318},
year = {2024}
}