基于三重注意力机制的U-Net新冠肺炎肺部图像分割

CT成像是检测新冠感染(COVID-19)病灶区域的重要手段之一，但需要专业的放射科医生判断且工作量较大。为了解决磨玻璃结节(GGO)以及肺部实变两种病变统一分割问题，在U-Net网络模型中加入改进的三重注意力模块，提高病灶特征的显著性，细化病灶的边缘特征，增加对小区域病灶的识别度，辅助医生判断。该方法构建的深度分割网络模型在COVID-19分割数据集中进行实验，得到的Sensitivity, Specificity, Dice, mIou分别为86.57%,99.33%,81.64%,88.23%。分割效果在这个模型中能得到更良好的体现。