出基于改进 U-Net 的人脑黑质致密部分割算法。 为了更好地提取多尺度的图像语义特征，结合 U-net 的跨连接结构，采用多头注意力机制，融合基于 Transformer 编码器的高 维语义编码模块，提取高维语义特征，避免浅层噪声对特征造成的影响。同时设计多任务模型，提出基于二维高斯核权重掩 膜的损失函数，解决神经网络分割模型因多次下采样造成的不连续分割误差。为了验证模型效果，构建高精度核磁共振脑成 像数据 HuaShan 数据集，包括 140 个帕金森患者以及 48 个健康对照者的人脑核磁共振图像。实验结果显示，相较于常用的医 疗影像分割算法，基于改进 U-Net 的多任务分割模型取得了明显的提升，其中戴斯相关系数达到 ，AUC 达到 ， 消融实验结果证明了上述两个改进模块的有效性。 关键词：分割；帕金森病；黑质致密部；U-Net 网络；Transformer 模块；多任务学习 开放科学 (资源服务) 标志码 ( O S I D )：
Segmentation of Brain Substantia Nigra Pars Compacta based on Improved U-Net Jiawang Cao1, Weiwei Tian1, Xueling Liu2, Yuxin Li2, Rui Feng1 (1. Academy of Engineering & Technology, Fudan University, Shanghai 200433, China; 2. Department of Radiology, Huashan Hospital, Fudan University, Shanghai 200433, China;) 【Abstract】The segmentation of Sub
