基于改进U-Net网络的新冠病毒CT图像分割

摘要：

新冠病毒 2019(COVID-19)在过去一年内严重威胁人类生命和健康.全球经济、教育、交通等方面都受到了影响.为了尽快解决新冠病毒引起的问题,快速准确判断人们是否感染是非常重要的.以U-Net为基本框架,采用多尺度特征提取模块,并在反卷积过程中加入位置信息,将图像的全局信息和局部信息充分结合,提出改进模型并应用于COVID-19 CT图像集.上述模型通过深度学习自动分割COVID-19 CT图像的左右肺、病灶和背景四部分.最后对分割结果进行了评价,达到了预期的效果.有助于医务人员快速识别感染部位.

关键词：新冠病毒、医学图像分割、多尺度特征、位置信息

所属期刊栏目：40

分类号：TP183(自动化基础理论)

资助基金：智能机器人与系统高精尖创新中心开放基金;江苏省研究生科研与实践创新计划基金项目

在线出版日期：2023-08-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：154-158,452