改进DeepLabv3+网络的肠道息肉分割方法

摘要：

为了提高结肠镜下肠道息肉检测率,提出了一种改进DeepLabv3+网络的肠道息肉分割方法.在数据预处理阶段,利用中值滤波的非线性滤波特性去除掉图像反光区域,并结合Grab Cut算法对息肉区域进行预提取,得到息肉位置的粗分割结果,将其与原图叠加以增强息肉位置的信号强度.在网络结构上,将通过神经架构搜索得到的最优密集预测单元引入DeepLabv3+网络,并在解码器部分采用3层深度可分离卷积逐步获取分割结果,减少分割过程中不完全分割的情况.实验通过对CVC-ClinicDB数据集进行训练和测试,以平均交并比、Dice系数、敏感度、精确率以及F1值作为评判标准,其中平均交并比达到0.947,其余4项指标也均高于0.935.实验结果表明提出的方法与现有方法相比,对肠道息肉图像分割在精度上有一定提升,对深度学习在肠道息肉图像的处理和分析具有借鉴意义.

关键词：改进DeepLabv3+、肠道息肉、神经架构搜索、不完全分割

所属期刊栏目：14

分类号：TP391.41(计算技术、计算机技术)

资助基金：The Postgraduate Innovation Fund Project of Xi'an University of Posts & Telecommunications under Grant No. CXJJ2017068 西安邮电大学研究生创新基金项目

在线出版日期：2020-07-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1243-1250