基于卷积注意力和空洞空间注意力的U型医学图像分割模型

打开文本图片集

摘要：为了解决医学图像分割中特征信息不足和目标定位不准确的问题，该文基于SegNeXt和DSNet提出了一种基于卷积注意力和空洞空间注意力的U型医学图像分割模型（SegxUnet） 。文章首先输入图像通过双尺度卷积注意力模块构建的编码器（Encoder） ，提取更丰富的多尺度的医学图像特征。经过编码器的特征图，在瓶颈部分构建的串-并行空洞空间注意力模块中进一步补充全局上下文信息，接着在解码器（Decoder） 中层层上采样（Upsample） 与编码器中提取的多尺度医学图像特征融合，最后输出图像分割结果。（剩余8644字）