摘要
肺野分割是肺部疾病筛查和诊断的前置工作,针对现存网络模型普遍存在的参数庞大、分割效率和灵敏度低的问题,提出了一种基于DeepLabV3+改进的肺实质分割网络。改进的模型使用MobileNetV2作为骨干特征提取网络,以降低网络模型参数,提升分割效率。首先,将空洞空间金字塔池化模块(ASPP)中的扩张卷积改为深度可分离扩张卷积,在基本不影响分割准确率的情况下,显著提升训练效率。其次,通过级联金字塔池化模块(PPM),同时采用多跳跃连接和注意力机制,不但可以获取更加丰富的语义特征,还能最大限度融合深浅层特征信息,提升分割效果。最后,使用Tversky损失函数,平衡结果中假阴性和假阳性的比例,提升模型的灵敏度。实验结果表明,所提算法在日本放射线技术协会(JSRT)提供的公开肺部X光数据集的验证集上的准确率为98.17%,Dice相似系数为97.10%,交并比(IoU)为94.37%,灵敏度(SE)为98.37%。对比常见分割算法FCN-8s、U-Net、DeepLabV3+,改进算法的IoU指标分别提升了4.7%、0.5%和0.17%,且参数量仅有12.4 M。所提网络在保证分割效果的同时,显著降低了参数量,取得了更好的分割效率。
出处
《电脑知识与技术》
2023年第20期1-7,共7页
Computer Knowledge and Technology
基金
中国高校产学研创新基金(2021ALA01004)
2020年新疆维吾尔自治区创新人才建设专项自然科学计划(自然科学基金)(2020D01A132)
惠州学院自主创新能力提升计划项目(hzu202018)
湖北省科技示范项目(2019ZYYD016)。
作者简介
尹强(1998-),男,湖北汉川人,硕士,研究方向为机器学习与人工智能;彭刚(1966-),男,湖南岳阳人,教授,博士,研究方向为图像处理与计算机视觉;宋文广(1979-),男,湖北武汉人,教授,博士(后),研究方向为机器学习与人工智能、图形图像处理技术;曾威(1963-),男,广东五华人,副教授,硕士,研究方向为人工智能与大数据。
