TY - A2的躁狂,苏雷什盟——回族,海升果汁非盟-张Xueying盟——吴,泽林盟- Li Fenlian PY - 2021 DA - 2021/08/31 TI -双路径注意补偿U-Net中风病灶分割SP - 7552185六世- 2021 AB -中风病灶的细分任务,使用注意U-Net模型基于self-attention机制可以抑制无关的区域在一个输入图像而突出特征用于特定任务。然而,当损伤很小,病灶轮廓模糊,注意U-Net可能产生错误的注意力系数地图,导致不正确的分割结果。为了应对这个问题,我们提出一种双重关注薪酬U-Net (DPAC-UNet)网络,由一个主网络和辅助路径网络。网络都是关注U-Net模型和相同的结构。主要道路网络是核心网络执行精确的病灶分割和输出最终的分割结果。辅助网络路径生成辅助注意补偿系数并将它们发送给主路径网络来弥补和纠正可能关注系数错误。DPAC-UNet实现补偿机制,我们提出一种加权二叉叉特沃斯基(WBCE-Tversky)损失训练的主要路径网络实现准确分割并提出另一种复合损失函数称为公差损失训练辅助网络路径生成辅助补偿系数注意地图覆盖范围扩大到执行补偿操作。我们进行分割实验使用239核磁共振扫描的卒中后解剖病变的轮廓描绘(ATLAS)数据集来评估我们的方法的性能和效率。实验结果表明,提出的DSC分数DPAC-UNet网络比单一路径的关注U-Net高出6%。也高于现有分割方法的相关文献。 Therefore, our method demonstrates powerful abilities in the application of stroke lesion segmentation. SN - 1687-5265 UR - https://doi.org/10.1155/2021/7552185 DO - 10.1155/2021/7552185 JF - Computational Intelligence and Neuroscience PB - Hindawi KW - ER -