基于D⁃Unet神经网络的鼻腔鼻窦肿瘤分割算法

摘要：

鼻腔鼻窦肿瘤为多发性疾病,其CT影像具有形态不规则、分界不均匀等特征,而现有的U-Net分割算法对图片细节不敏感且割裂了图像局部与整体特征的一致性,难以实现精准诊断.提出一种基于D-Unet深度神经网络的改进算法,根据鼻腔鼻窦肿瘤空间形变特点,将可变形卷积融入U-Net网络,并利用可变形卷积能依据目标形态拥有自适应感受野的特点,充分学习图像细节,从而提升算法的特征提取能力.在此基础上,使用损失函数Tversky解决数据集样本失衡问题,从而获得更高的灵敏度和泛化能力.为方便进一步研究,建立鼻腔鼻窦肿瘤分割数据集.实验结果表明,所提算法能有效提高鼻腔鼻窦肿瘤分割精度,相比U-Net、Res-Unet和Attention U-Net算法,分割精度分别提高了5.01％、2.56％和0.48％.

关键词：鼻腔鼻窦肿瘤;U-Net算法;目标分割;可变形卷积网络;Tversky损失函数

所属期刊栏目：48

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金61303079

在线出版日期：2022-01-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：281-287