改进的卷积神经网络在肺部图像上的分割应用

• 作者: 宋威 肖志勇 钱宝鑫
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: CT图像 肺实质 医学图像分割 深度学习
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 图形图像
• 页码范围: 1358-1367
• 页数: 10页
• 分类号: TP391.41
• 字数: 6470字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.2001042

摘要

CT成像技术是辅助医生诊断肺部疾病的重要手段.针对肺部各组织结构复杂,难以准确地对肺部CT图像中肺实质进行分割和提取的问题,提出了一种编/解码模式的肺分割算法.为了获得图像的多尺度信息,首先向网络模型中输入多尺度图像,使用残差网络结构作为编码模块,在扩展网络深度的同时不造成网络退化问题;此外,在编码和解码之间利用空洞空间金字塔池化(ASPP)充分提取上文多尺度信息;最后利用级联操作,将捕捉到的信息与编码层信息级联,结合注意力机制从而提高分割精度.通过对LUNA16数据集中89位患者的13465张CT图像进行测试,以相似性系数和精确度作为主要评判标准,实验精度分别达到了99.56％和99.33％.实验结果表明,该方法能有效分割出肺实质区域,与其他网络相比分割效果更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋威	江南大学人工智能与计算机学院	44	158	8.0	10.0
2	肖志勇	江南大学人工智能与计算机学院	9	24	3.0	4.0
3	钱宝鑫	江南大学人工智能与计算机学院	1	0	0.0	0.0