摘要
器官损伤死亡率高，严重威胁着人类的生命安全。人体内脏形态多样，解剖结构复杂，因此器官图像的准确分割有助于医生进行诊断。医学图像对高精度分割模型的需求很大，然而，大多数医学图像分割模型都是直接从一般的图像分割模型迁移过来的，常常忽略了浅层特征信息以及边界的重要性。为解决该问题，提出使用注意力门和点采样方法获得高质量分割边界的图像分割模型。在常用的肝脏医学图像数据集 CHAOS 上对该模型进行评估，平均Dice达到0.946 7，平均IoU 达到0.962 3，平均F1 Score 达到0.935 1，证明该模型可同时学习图像细节特征和全局结构特征，能更好地对肝脏图像进行分割。
0 引言
近年来，由于不健康的饮食与作息习惯，全球肝癌发病率持续上升，据世界卫生组织/国际癌症研究机构统计报告［1］，