摘要
現有的醫學影像分割方法常因模型過於複雜或所需參數量大而導致效率降低。本研究遵循 U 型網路架構，提出一種深度學習電腦斷層心臟肌肉影像分割方法。本研究將 InceptionNeXt 方法擴展至三維，採用其中的多分支概念改良 ConvNeXt V2，在編碼器使用了 3D InceptionNext V2 區塊。在解碼器部分使用了 ResCBAM 區塊，透過注意力機制的引入，讓模型能夠關注重要特徵。本研究在三種心臟相關資料集 M-WHS、MM-WHS 以及 SegTHOR 資料集上來驗證所提出方法之穩健性。在 M-WHS 全心臟肌肉分割資料集中，本研究之方法在 Dice 分數上獲得了 0.8970，HD95 分數上獲得了 12.0172，靈敏度和特異度分別取得了 0.8790 和0.9948 的分數。本研究首先通過多分支設計來提升運算效率，並在多項評估指標上優於目前最先進的影像分割方法，更進一步提升了準確度。
