基于高级语义及注意力的肺结节分割模型

作     者：丰晓钰 王明泉 李磊磊 朱焕宇 李文波 谢绍鹏 FENG Xiaoyu;WANG Mingquan;LI Leilei;ZHU Huanyu;LI Wenbo;XIE Shaopeng

作者机构：中北大学信息与通信工程学院山西太原030051 

出 版 物：《现代电子技术》 (Modern Electronics Technique)

年 卷 期：2024年第47卷第5期

页      面：60-64页

学科分类：0711[理学-系统科学] 07[理学] 08[工学] 080401[工学-精密仪器及机械] 080203[工学-机械设计及理论] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0802[工学-机械工程] 

主　　题：深度学习 医学CT图像 肺结节分割 U-net 注意力机制 金字塔池化 损失函数 分割精度 

摘      要：为了能够早些发现肺结节患者,进行有效的预防和治疗,便能够大大提升肺癌患者的生存率,针对医学CT图像肺结节分割时存在异质性,会导致分割精度降低,提出一种基于高级语义及注意力的肺结节分割模型。该模型使用VGG16作为主干网络搭建U-net模型;采用金字塔池化模块(PPM),在尽可能保留原信息的情况下,将深层信息进行加强提取,得到更加丰富的高级语义信息;同时利用CA注意力机制强化重要的特征,实现空间和通道方向上的信息整合;使用Focal Loss和Dice Loss函数解决肺结节分割中前背景不均衡和难区分的问题。实验结果显示,所提出的方法在IoU、F1分数指标上较U-net分割算法分别提高了1.33%、0.95%,有效地提升了分割精度,解决了与其他组织对比度低的问题。