来源：期刊VIP网 时间：
作者：石勇涛;柳迪;高超;杜威;邱康齐;
单位：三峡大学计算机与信息学院;三峡大学湖北省水电工程智能视觉监测重点实验室;
摘要：前列腺超声图像在临床中的准确分割对后续诊断具有重要影响。因此，通过深度学习辅助实现前列腺边界的快速、准确分割非常必要。为此，文中提出了一种改进的前列腺分割网络（DA-Segformer）。利用Transformer、深监督和注意力机制，快速准确地分割前列腺超声图像。引入MAG模块提高网络对特征图和像素关联性的理解能力，以及对前景像素的敏感度。采用深监督策略，在解码过程中引入损失函数，优化梯度传播，增强网络对关键特征的学习表征能力。实验结果显示，在前列腺超声图像数据集上，DA-Segformer模型的mIoU、Dice系数、准确率和召回率等指标均优于其他主流语义分割模型。该方法有效解决了前列腺超声图像手工分割的难题，为临床诊断提供了有价值的计算机辅助工具。
关键词：医学图像分割;;超声图像分割;;Transformer;;门控注意力;;深监督;;扩张卷积;;梯度下降;;多尺度特征
基金资助：国家自然科学基金资助项目（61871258）：面向大坝变形监测的视频微小运动放大与四维视觉增强;; 湖北省中央引导地方科技发展专项（2019ZYYD007）
