Abstract：
针对肺部新冠病灶在医学成像中具有大小不均匀、多集中于肺部边缘且灰度与胸腔灰度相近的特点,提出一种基于U-Net改进的用于肺部轮廓分割和新冠病灶分割的网络模型.所提出的方法采用加深的编解码路径,使用带有残差连接的编码器子模块代替原始U-Net的标准卷积单元.为了提高高级特征的表征能力,在编码器和解码器中间加入自注意力机制,来学习特征的内在关系.整理一个用于分割训练的数据集,共2973张新冠肺炎患者的肺部CT图片.实验结果表明,所提出的网络在肺部轮廓分割实验的Dice系数和F1系数分别达到了98.70％和98.89％,在新冠病灶分割实验中分别达到了87.47％和87.81％,优于其他对比模型.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
电视技术
ISSN： 1002-8692
CN： 11-2123/TN
Year： 2023
Issue： 1
Volume： 47
Page： 8-15
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 5
Affiliated Colleges：
