用于肺部病灶图像分割的多尺度稠密融合网络
2023-10-21卢小燕徐杨袁文昊
卢小燕,徐杨,2*,袁文昊
用于肺部病灶图像分割的多尺度稠密融合网络
卢小燕1,徐杨1,2*,袁文昊1
(1.贵州大学 大数据与信息工程学院,贵阳 550025; 2.贵阳铝镁设计研究院有限公司,贵阳 550009)( ∗ 通信作者电子邮箱xuy@gzu.edu.cn)
针对主流的深度学习网络难以完整分割肺部病灶、区域边界预测模糊的问题,提出一种基于U-Net的多尺度稠密融合网络(MDF-Net)。首先,引入多分支密集跳层连接以捕获多级上下文信息,并在网络末端引入信息加权融合(IWF)模块进行逐级融合,以解决网络中的特征损失问题;其次,设计一种自注意力金字塔模块,使用各金字塔层对特征图进行不同规模的切分处理,并使用自注意力机制计算像素关联度,从而增强局部与全局区域的感染特征显著性;最后,设计一种区别于传统U-Net的上采样模式的上采样残差(UR)模块,多分支的残差结构与通道特征激励使网络能够还原更加丰富的微小病灶特征。在两个公开数据集上的实验结果显示,与UNeXt相比,所提网络的准确度(ACC)分别提升了1.5%和1.4%,平均交并比(MIoU)分别提升了3.9%和1.9%,实验结果验证了MDF-Net具有更好的肺部病灶分割性能。
肺部疾病;密集跳层连接;自注意力金字塔;上采样残差;信息加权融合
0 引言
肺是人体的重要呼吸器官,肺部感染会造成肺部产生炎症性的改变、渗出性的改变和间质性的改变,严重时会导致人体出现呼吸困难甚至是呼吸衰竭的表现。直接对患者判断分析较难确认感染程度,而通过计算机断层扫描(Computed Tomography, CT)图像进一步筛查可以显示部分显著特征,包括磨玻璃影(Ground-Glass Opacity, GGO)、肺纤维化、胸腔积液和肺实变,对肺部病灶区域的早期诊断具有重要的研究价值和现实意义。……
