基于级联网络的肝脏肿瘤CT图像分割

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。