基于不确定性引导和尺度一致性的肾肿瘤图像分割方法侯冰震１张桂梅１彭昆１摘要针对肾肿瘤图像分割中的边界模糊和特征丢失问题，在ＲＡＵＮｅｔ（ＲｅｓｉｄｕａｌＡｔｔｅｎｔｉｏｎＵ⁃Ｎｅｔ）的基础上，提出基于不确定性引导和尺度一致性的肾肿瘤图像分割方法．针对肾肿瘤图像边界模糊问题，在解码层引入不确定性引导模块，根据不确定性自适应分配权重，弱化错误像素点的影响，提高模型的边界定位能力．针对下采样引起的特征丢失问题，提出尺度注意力模块和特征一致性损失，利用多尺度融合策略融合不同尺度特征，并与编码器底部特征进行尺度一致性约束，缓解特征丢失问题．在公开数据集ＫｉＴＳ１９上的肾脏和肾肿瘤的图像分割实验表明，文中方法提高肾肿瘤的分割精度．此外，由于文中方法引入不确定性引导模块，分割结果具有较好的可靠性．关键词图像分割，不确定性引导，尺度一致性，注意力模块，肾肿瘤引用格式侯冰震，张桂梅，彭昆．基于不确定性引导和尺度一致性的肾肿瘤图像分割方法．模式识别与人工智能，２０２３，３６（２）：９５－１０７．ＤＯＩ１０．１６４５１／ｊ．ｃｎｋｉ．ｉｓｓｎ１００３⁃６０５９．２０２３０２００１中图法分类号ＴＰ３９１．４１ＫｉｄｎｅｙＴｕｍｏｒＩｍａｇｅＳｅｇｍｅｎｔａｔｉｏｎＭｅｔｈｏｄＢａｓｅｄｏｎＵｎｃｅｒｔａｉｎｔｙＧｕｉｄａｎｃｅａｎｄＳｃａｌｅＣｏｎｓｉｓｔｅｎｃｙＨＯＵＢｉｎｇｚｈｅｎ１，ＺＨＡＮＧＧｕｉｍｅｉ１，ＰＥＮＧＫｕｎ１ＡＢＳＴＲＡＣＴＡｉｍｉｎｇａｔｔｈｅｐｒｏｂｌｅｍｓｏｆｂｏｕｎｄａｒｙｂｌｕｒｒｉｎｇａｎｄｆｅａｔｕｒｅｌｏｓｓｉｎｋｉｄｎｅｙｔｕｍｏｒｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎ，ａｋｉｄｎｅｙｔｕｍｏｒｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｕｎｃｅｒｔａｉｎｔｙｇｕｉｄａｎｃｅａｎｄｓｃａｌｅｃｏｎｓｉｓｔｅｎｃｙｉｓｐｒｏｐｏｓｅｄｏｎｔｈｅｂａｓｉｓｏｆｒｅｓｉｄｕａｌａｔｔｅｎｔｉｏｎＵ⁃ｎｅｔｍｏｄｅｌ．Ｆｏｒｂｌｕｒｒｅｄｂｏｕｎｄａｒｉｅｓｏｆｋｉｄｎｅｙｔｕｍｏｒｉｍａｇｅｓ，ａｎｕｎｃｅｒｔａｉｎｔｙｇｕｉｄａｎｃｅｍｏｄｕｌｅｉｓｉｎｔｒｏｄｕｃｅｄｉｎｔｏｔｈｅｄｅｃｏｄｉｎｇｌａｙｅｒｔｏａｌｌｏｃａｔｅｗｅｉｇｈｔｓａｄａｐｔｉｖｅｌｙｂａｓｅｄｏｎｕｎｃｅｒｔａｉｎｔｙ．Ｔｈｕｓ，ｔｈｅｅｆｆｅｃｔｏｆｗｒｏｎ...
