一种用于医学图像分割的深度卷积水平集网络

一种用于医学图像分割的深度卷积水平集网络，在U‑Net模型预分割部分，构建了新的并行空洞卷积序列模块，同时捕获局部和全局的特征信息，加强特征提取，最小化下采样过程图像信息的损失；在解码器端构建了混合注意力模块，可以自动学习选择最重要的特征并加权，减少冗余信息的影响，帮助网络上采样恢复信息重建图像；将U‑Net的输出作为水平集方法中能量函数的一个牵引项，水平集方法作为后处理步骤，接受来自U‑Net的先验信息；构建基于对数函数和多项式函数的距离正则项和边缘停止函数，通过预测图像感兴趣区域，牵引项中包含目标的边缘信息，通过最小化能量函数，水平集方法将更准确的演化曲线，来进一步优化分割图像边界。