目的 提出一种改进注意力机制的卷积神经网络，用于臂丛神经超声图像精准分割。 方法
基于 Ｕ?Ｎｅｔ 的编码器－解码器结构，应用注意力机制使网络专注于图像中的重要区域和抑制无关的背景
干扰，同时添加规范层和丢弃层以防止梯度消失和增加网络泛化能力，使用卷积和残差连接对跳跃连接
进行改进，以减小语义差距。 在 Ｋａｇｇｌｅ 竞赛的公共数据库臂丛神经超声图像数据集上，用五折交叉验
证的方法对网络进行训练和评估，计算平均 Ｄｉｃｅ 系数和 Ｊａｃｃａｒｄ 系数作为评价指标，并与 Ｕ?Ｎｅｔ、ＳｅｇＮｅｔ
和 Ａｔｔｅｎｔｉｏｎ Ｕ?Ｎｅｔ 进行对比分析。 结果 本文提出的网络的各项评价指标均高于对比网络，平均 Ｄｉｃｅ 值
和 Ｊａｃｃａｒｄ 值分别达到了 ６６?? ７８％和 ５０?? ８４％。 结论 这表明本文提出的网络能够更加精准地将臂丛神经
从背景中自动分割出来，在不借助医生手工标注的情况下，为临床诊断提供更可靠的依据。