基于级联网络的肝脏肿瘤CT图像分割 |
| |
引用本文: | 莫亚霓,陈晓婕,张本鑫.基于级联网络的肝脏肿瘤CT图像分割[J].电视技术,2024(1):38-41. |
| |
作者姓名: | 莫亚霓 陈晓婕 张本鑫 |
| |
作者单位: | 1. 桂林电子科技大学数学与计算科学学院;2. 桂林电子科技大学计算机与信息安全学院;3. 桂林电子科技大学电子工程与自动化学院 |
| |
基金项目: | 国家级大学生创新训练项目(202210595041); |
| |
摘 要: | 肝脏肿瘤计算机断层扫描(Computed Tomography,CT)图像分割是肝癌诊断与治疗过程的重要环节。近年来,基于U型结构的卷积神经网络在该分割任务取得了巨大的成功,但仍存在一些挑战,如肿瘤边界分割不精确、小肿瘤难以检测等。为提高肝脏肿瘤的分割精度,提出一种级联网络MCPUNet用于肝脏肿瘤分割任务。MCPUNet引入MDB(MDconv Block)和MP(Mixing Pooling)以获取上下文信息,MDB通过混合深度可分离卷积和坐标注意力机制提取图像的多尺度特征,MP用于下采样减少图像尺寸。实验证明,与原始的U-Net模型相比,该模型在肝脏肿瘤分割任务上的交并比(Intersection over Union,IoU)、准确度和召回率指标分别提高3.8%、2.5%和2.0%,为肝癌诊断和治疗提供了可靠依据。
|
关 键 词: | 肝脏肿瘤分割 混合深度可分离卷积 级联网络 多尺度 注意力机制 |
|
|