广西师范大学学报(自然科学版)

2022, v.40(03) 66-75

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

基于高效通道注意力的UNet肺结节CT图像分割
CT Image Segmentation of UNet Pulmonary Nodules Based on Efficient Channel Attention

万黎明;张小乾;刘知贵;宋林;周莹;李理;

摘要(Abstract):

肺癌是全球死亡率最高的癌症之一,肺结节作为肺癌早期诊断的重要依据,对其进行精准分割格外重要。为了帮助医生诊断肺部病变,本文提出一种改进的UNet肺结节分割方法。首先,在特征提取部分引入高效通道注意力网络(efficient channel attention for deep convolutional neural networks, EcaNet),提高UNet分割效果,使其具有良好的泛化能力。接着,为了降低模型参数量、提升算法分割性能,提出一种基于深度可分离卷积的特征融合模型,用深度可分离卷积代替传统卷积完成特征融合。然后,针对肺结节图像特点,将基于重叠度损失函数(dice loss)与加权交叉熵(weighted cross entropy, WCE)结合作为新的损失函数。最后,为验证所提算法Eca-UNet的有效性,在LIDC-IDRI肺结节公开数据集上进行评估。结果表明:Eca-UNet算法在DICE相似系数、MIOU上比UNet分割算法分别提高10.47、7.34个百分点;同时在训练速度上提升了10.10%,预测速度提升了11.56%。

关键词(KeyWords): 图像分割;肺结节CT图像;注意力机制;UNet;残差网络

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(61772272,62102331)

作者(Authors): 万黎明;张小乾;刘知贵;宋林;周莹;李理;

DOI: 10.16088/j.issn.1001-6600.2021071202

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