基于三重注意力机制的U-Net新冠肺炎肺部图像分割 |
| |
引用本文: | 吴一锋,于瓅.基于三重注意力机制的U-Net新冠肺炎肺部图像分割[J].佳木斯大学学报,2023(5):15-19+42. |
| |
作者姓名: | 吴一锋 于瓅 |
| |
作者单位: | 安徽理工大学计算机科学与工程学院 |
| |
基金项目: | 2021安徽省重点研究与开发计划项目(202104d07020010); |
| |
摘 要: | 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。
|
关 键 词: | U-Net 新型冠状病毒感染 图像分割 注意力机制 |
|
|