结合注意力的3D卷积网络脑胶质瘤分割算法

为了提升脑胶质瘤分割精度,提出一种结合注意力机制的3D卷积神经网络算法.输入3个不同尺度的图像块,经过9个卷积层和1个分类层后得到3个不同的分类结果,将分类结果与注意力学习到的权重相乘并逐体素相加得到输出.此外该算法采用了一种混合Dice损失函数与Focal损失函数的超参数损失函数.实验表明,该算法的Dice系数在整体区域、核心区域以及增强区域分别达到了95.31％、80.12％、82.25％.与已有的一种脑胶质瘤分割算法deepmedic相比,整体区域、核心区域以及增强区域的Dice系数分别提升了3％、2％、6％.在脑胶质瘤分割方面,具有重要的临床意义.