一种结合注意力残差的肝脏及肝肿瘤分割算法

长时间的肝脏医学图像人工诊断容易使医生产生疲劳，导致误诊和漏诊情况发生。针对以上现象提出一种改进的Unet网络用于肝脏和肝肿瘤自动分割。改进Unet模型，引入注意力残差结构和特征复用结构，提高输入图像中特征信息的利用效率；对损失函数进行改进，在Dice系数中加入欠分割和过分割惩罚因子，提高模型的预测能力。在公开数据集上的实验结果表明：该算法对肝脏和肝肿瘤的分割相似系数分别达到了0.962和0.713,优于现有的分割模型且具有较强的鲁棒性。