XR-MSF-Unet:新冠肺炎肺部CT图像自动分割模型

摘要：

新冠肺炎给人类带来极大威胁,自动精确分割新冠肺炎CT图像感染区域可以辅助医生进行诊断治疗,但新冠肺炎的弥漫性感染、感染区域形状多变、与其他肺部组织极易混淆等给CT图像分割带来挑战.为此,提出新冠肺炎肺部CT图像分割新模型XR-MSF-Unet,采用XR卷积模块代替U-Net的两层卷积,XR各分支的不同卷积核使模型能够提取更多有用特征;提出即插即用的融合多尺度特征的注意力模块MSF,融合不同感受野、全局、局部和空间特征,强化网络的细节分割效果.在COVID-19 CT公开数据集的实验表明:提出的XR模块能够增强模型的特征提取能力,提出的MSF模块结合XR模块,能够有效提高模型对新冠肺炎感染区域的分割效果;提出的XR-MSF-Unet模型取得了很好的分割效果,其Dice、IOU、F1-Score和Sensitivity指标分别比基模型U-Net的相应指标高出3.21、5.96、1.22和4.83个百分点,且优于同类模型的分割效果,实现了新冠肺炎肺部CT图像的自动有效分割.

关键词：新冠肺炎、CT图像分割、U-Net、XR模块、MSF模块

所属期刊栏目：16

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;中央高校基本科研业务费专项;中央高校基本科研业务费专项;陕西师范大学研究生创新基金

在线出版日期：2022-08-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：1850-1864