-
题名基于改进TransUNet的肺部图像分割
- 1
-
-
作者
石勇涛
邱康齐
柳迪
杜威
-
机构
三峡大学计算机与信息学院
三峡大学湖北省水电工程智能视觉监测重点实验室
-
出处
《现代电子技术》
北大核心
2025年第15期27-36,共10页
-
基金
国家自然科学基金资助项目(61871258)
湖北省中央引导地方科技发展专项资助项目(2019ZYYD007)。
-
文摘
语义分割作为肺部影像分析的关键步骤,其准确率直接关系进一步的图像分析和治疗决策。面对肺部器官不规则外形、模糊边界以及噪声等问题,传统分割方法存在边界分割精确度不高、易出现误差等问题。针对这些挑战,文中提出一种基于多尺度边缘特征融合的神经网络(MSB-AffTransU2Net)用于肺部图像的分割。首先,替换了TransUNet中的编解码器,采用U2-Net的RSU模块来增强特征提取的性能;然后,使用注意力特征融合机制替换原本的Concat方法,以减少模型参数并且提升特征的融合效果;接着,加入了多尺度特征提取器以及边界引导的上下文聚合模块,以融合提取更加精确的肺部边缘特征;最后,为优化模型损失函数,采纳了Dice损失与交叉熵损失,创建了一个新颖的损失函数。在COVID-19 Radiography Database的COVID类数据集上验证了所提算法的有效性。实验结果证明,MSB-AffTransU2Net在COVID数据集上的前景交并比(pIoU)和平均准确率(mAcc)与TransUNet算法相比,分别提高了3.03%和0.72%,证明了所提算法的有效性。
-
关键词
COVID-19
肺部图像分割
TransUNet
边缘特征
边界引导的上下文聚合模块
注意力特征融合
-
Keywords
COVID-19
lung image segmentation
TransUNet
edge feature
boundary-guided context aggregation module
attentional feature fusion
-
分类号
TN911.73-34
[电子电信—通信与信息系统]
TP391
[自动化与计算机技术—计算机应用技术]
-
