ConvUCaps：基于卷积胶囊网络的医学图像分割模型

来源：计算机工程与应用杂志2024年第8期北京时间：

作者：邓希泉, 陈刚

单位：1.武汉大学 空天信息安全与可信计算教育部重点实验室，武汉 430072 ；2.武汉大学 国家网络安全学院，武汉 430072

摘要：在医学影像分割领域，U-Net网络是目前最成功和最受关注的方法之一，但是U-Net本质上是一种经过改造的全卷积神经网络模型，要获得更为全面和准确的局部-整体关系，不但需要增加网络层次从而加大计算量，而且效果也并不明显。胶囊网络提供了一种有效的建模图像的局部与整体关系的方法，可以用更少的参数取得好的性能。但原始的胶囊网络并没有充分考虑图像局部特征的粒度问题，将其应用在医学图像分割领域还需进一步改造。因此，提出一种将U-Net和胶囊网络相结合的医学图像分割模型ConvUCaps。该模型对U-Net的编码器部分进行改进，使用卷积模块学习不同尺度的局部特征，然后通过胶囊模块学习高层特征，并建模局部与整体之间的关系。实验结果表明，相比U-Net、UNet++、SegCaps、Matwo-CapsNet网络，ConvUCaps提高了分割精度和收敛速度，同时，与单纯基于胶囊网络的分割模型相比，显著减少了推理时间。

关键词：医学图像分割,卷积神经网络,U-Net网络,胶囊网络