9、等信号期婴儿脑组织分割与拓扑感知鲁棒分割方法解析

等信号期婴儿脑组织分割与拓扑感知鲁棒分割方法解析

1. 等信号期婴儿脑组织分割框架

在婴儿脑组织分割领域，提出了一种基于Transformer的新型框架，该框架包含语义保留生成对抗网络（SPGAN）和基于Transformer的多尺度分割网络（TMSN）两个模块。

1.1 实验设置

• 学习率 ：SPGAN和TMSN的初始学习率均设为0.001，每50个epoch将学习率降至当前的90%。
• 超参数 ：SPGAN的超参数γ1、γ2、γ2、γ4分别设为10、10、1和1；TMSN中，顶部和底部分支的补丁大小分别设为128 × 128 × 128和160×160×160，超参数λ1设为0.6。
• 参数数量 ：SPGAN和TMSN的总参数数量为44.51M。
• 推理时间 ：单张图像的推理时间约为8.82s。

1.2 评估与讨论

• 消融实验 ：通过消融实验评估框架各组件的贡献，结果总结在表1中。SegNet是单尺度的基线模型，SegNetMS增加了一个捕获更大感受野的分支，并通过通道拼接融合特征，SegNetMSAtt则用基于Transformer的TCF模块替换了特征拼接。

方法	组件	说明