一种基于改进 U-Net 的肝脏肿瘤分割方

来源：计算机技术与发展杂志2023年第02期北京时间：

作者：李秀华;朱水成

摘要：肝脏肿瘤分割是肝癌诊断与治疗不可或缺的重要环节。 针对传统的 U-Net 网络在形状、大小、位置复杂多变且边界模糊的肿瘤分割中信息丢失、分割精度低等问题,对其进行改进以提高肝脏肿瘤分割精度。 首先,在编码阶段使用混合空洞卷积替换原有卷积块,增大感受野、获取更多的上下文信息;在解码阶段采用密集上采样卷积,捕获和解码更详细的信息;引入残差模块,加速模型的训练并防止网络退化。 其次,在每个跳跃连接之间加入注意力机制,使模型重点关注感兴趣区域,抑制冗余特征;使用组归一化( GN) 代替常用的批量归一化( BN) ,减小 Batch Size 过小对网络准确性的影响,并结合 Focal Tversky 损失函数以改善类不平衡问题。 通过 LiTS2017 数据集的实验表明,相较于传统 U-Net,所提改进模型在肝脏和肿瘤分割中的 Dice 指标分别提升了 3. 56% 和 4. 21% ,召回率提升了 3. 71% 和 5. 35% 。

关键词：肝脏肿瘤分割;U-Net;混合空洞卷积;密集上采样卷积;残差模块;注意力机制