广西师范大学学报(自然科学版)

2022, v.40(03) 76-87

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于多感受野与分组混合注意力机制的肺结节分割研究
Segmentation of Lung Nodules Based on Multi-receptive Field and Grouping Attention Mechanism

张萍;徐巧枝;

摘要(Abstract):

从CT图像中自动有效分割肺结节对诊断和治疗肺部肿瘤具有重要意义。鉴于肺结节在肺部所占比例很小、形态不规则、与一些邻近组织和器官在视觉上非常相似,给分割任务带来困难,本文提出一种基于多感受野与分组混合注意力机制的肺结节分割网络MRF-GMA。首先,该网络通过多感受野特征聚合模块,捕获不同尺度的结节;其次,利用分组混合注意力模块,提升对结节像素的分辨能力;最后,采用混合损失函数对训练过程进行优化,缓解了类不平衡的问题。在实验部分,本文分别将MRF-GMA与FCN、SegNet、R2U-Net和Attention U-Net等进行比较,结果表明,MRF-GMA模型在Dice相似性系数(DSC)、召回率(recall)和准确率(accuracy)等方面均表现最优,相比Attention U-Net模型,分别提高了2.25、1.19和2.98个百分点。

关键词(KeyWords): CT图像;肺结节分割;深度学习;特征聚合;注意力机制

Abstract:

Keywords:

基金项目(Foundation): 内蒙古自治区自然科学基金(2021MS06031,2018MS08008);; 国家自然科学基金(81660117)

作者(Authors): 张萍;徐巧枝;

DOI: 10.16088/j.issn.1001-6600.2021070402

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享