改进DeepLabv3+网络的肠道息肉分割方法

• 作者: 潘晓英 王亚刚 郗怡媛
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 改进DeepLabv3+ 肠道息肉 神经架构搜索 不完全分割
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 图形图像
• 页码范围: 1243-1250
• 页数: 8页
• 分类号: TP391.41
• 字数: 4257字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1907053

摘要

为了提高结肠镜下肠道息肉检测率,提出了一种改进DeepLabv3+网络的肠道息肉分割方法.在数据预处理阶段,利用中值滤波的非线性滤波特性去除掉图像反光区域,并结合Grab Cut算法对息肉区域进行预提取,得到息肉位置的粗分割结果,将其与原图叠加以增强息肉位置的信号强度.在网络结构上,将通过神经架构搜索得到的最优密集预测单元引入DeepLabv3+网络,并在解码器部分采用3层深度可分离卷积逐步获取分割结果,减少分割过程中不完全分割的情况.实验通过对CVC-ClinicDB数据集进行训练和测试,以平均交并比、Dice系数、敏感度、精确率以及F1值作为评判标准,其中平均交并比达到0.947,其余4项指标也均高于0.935.实验结果表明提出的方法与现有方法相比,对肠道息肉图像分割在精度上有一定提升,对深度学习在肠道息肉图像的处理和分析具有借鉴意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王亚刚	西安邮电大学计算机学院	36	233	5.0	14.0
2	潘晓英	西安邮电大学计算机学院	40	149	7.0	11.0
6	郗怡媛	西安邮电大学计算机学院	1	0	0.0	0.0