基于混合空洞卷积与特征融合的肝脏肿瘤图像分割

来源：电子测量技术杂志2023年第22期北京时间：

作者：帖军，朱祖桐，郑禄，徐胜舟，马佳婷

单位：1.中南民族大学计算机科学学院 武汉 430074; 2.农业区块链与智能管理湖北省工程研究中心 武汉 430074; 3.湖北省制造企业智能管理工程技术研究中心 武汉 430074

摘要：为了解决肝脏肿瘤图像中肝脏肿瘤形状复杂、与四周正常组织之间的边界模糊而导致分割模型准确率低的问题，本文提出一种基于混合空洞卷积与高层特征融合的肝脏肿瘤图像分割模型（Hybrid Dilated Convolutions and High-level Feature Fusion model，HFU-Net）。该模型加入高层特征融合再校准模块，丰富U-Net中跳跃连接部分，使其利用特征融合与压缩注意力机制对特征信息校准，提升网络编码器的特征信息获取能力。并且，为进一步提高网络各层的特征提取效果，使用混合空洞卷积块替换原模型编码网络中传统卷积模块，以获得密集的肿瘤特征信息，扩大网络感受野。实验结果表明，与U-Net算法相比，Dice系数、体积重叠误差(VOE)、灵敏度、精确率指标均有较好效果，分别提高了3.3%，4.59%，4.39%和2.04%该模型显著提高肝脏肿瘤图像分割精度，为肝癌诊断与治疗提供可靠依据。

关键词：图像处理;肝脏肿瘤分割;特征融合;混合空洞卷积

基金资助：国家民委中青年英才培养计划 (MZR20007)、新疆维吾尔自治区区域协同创新专项（科技援疆计划）（2022E02035）、湖北省中医药管理局中医药科研项目（ZY2023M064）、武汉市知识创新专项曙光计划项目（SZY23003）资助