目的探讨基于FA-UNet模型,在三维医学影像分割中结合全局位置注意力(Global Position Attention,GPA)模块和频域感知(Frequency Aware,FA)模块提升病变区域分割准确性的效果。方法该文提出了FA-UNet模型,在原有UNet网络架构的基础上,在...目的探讨基于FA-UNet模型,在三维医学影像分割中结合全局位置注意力(Global Position Attention,GPA)模块和频域感知(Frequency Aware,FA)模块提升病变区域分割准确性的效果。方法该文提出了FA-UNet模型,在原有UNet网络架构的基础上,在桥接层加入了GPA模块和FA模块。通过这种改进,模型能够有效地学习三维医学影像中的位置信息,且不会显著增加计算负担。实验使用三维CT胸腺病变数据集,并通过Dice系数等标准指标评估分割效果。结果与传统UNet相比,FA-UNet在相同算力下获得了显著的性能提升,病变区域的Dice系数达到86.16%,且提升效果为增加算力的3.44倍。结论FA-UNet通过引入GPA模块和FA模块,能够在提高分割精度的同时优化计算效率,是一种有效的三维医学影像分割方法。展开更多
摘要目的探讨基于FA-UNet模型,在三维医学影像分割中结合全局位置注意力(Global Position Attention,GPA)模块和频域感知(Frequency Aware,FA)模块提升病变区域分割准确性的效果。方法该文提出了FA-UNet模型,在原有UNet网络架构的基础上,在桥接层加入了GPA模块和FA模块。通过这种改进,模型能够有效地学习三维医学影像中的位置信息,且不会显著增加计算负担。实验使用三维CT胸腺病变数据集,并通过Dice系数等标准指标评估分割效果。结果与传统UNet相比,FA-UNet在相同算力下获得了显著的性能提升,病变区域的Dice系数达到86.16%,且提升效果为增加算力的3.44倍。结论FA-UNet通过引入GPA模块和FA模块,能够在提高分割精度的同时优化计算效率,是一种有效的三维医学影像分割方法。