基于改进的V-Net模型肺结节分割算法的研究

由于CT图像是三维图像，在原始的V-Net模型分割中，易出现结节漏检和边界分割不清晰，以及损失函数Dice训练时不稳定等问题。根据这些问题，提出3D多尺度SE V-Net,简称MSEV-Net网络，同时通过联合损失函数来提高训练的稳定性。该网络模型在V-Net网络的基础上，使用多尺度卷积模块来替换原有的5×5×5卷积，同时在残差连接后加入SE通道注意力模块，通过不同尺度的特征融合和学习不同通道之间的关系，解决肺结节小不易分割的问题。同时在V-Net网络残差连接基础上加一条短跳跃连接，使得整个网络更好利用全局特征。联合损失函数选择Dice和交叉熵损失函数进行融合，可以很好地解决训练不稳定问题。提出的MSEV-Net网络模型和联合损失函数在平均分割准确率PA达到0.998,DSC达到0.837。实验结果表明，该方法在提高肺结节分割精度方面具有一定的效果。