基于改进的 U-Net 网络模型的气胸分割算法

来源：计算机技术与发展杂志2021年第10期北京时间：

作者：龚安;赵莉;姚鑫杰

摘要：X 线胸片图像本身十分复杂,其组织对比度低,器官组织之间的边界形态不规则,再加上气胸病灶区域特征不明显, 诊断严重依赖放射科医生的经验,传统分割算法常常需要人工干预,不能实现全自动分割病灶区域。 针对以上问题,提出一种改进 U-Net 的网络模型算法,实现自动化分割气胸。该网络保持编解码体系结构,将 U-Net 编码器中的结构替换为 ResNet 结构,引入残差学习模块提高特征学习能力,解码器采用卷积和上采样将特征图恢复到原图像大小,编码器-解码器之间依旧采用 U-Net 结构的特征融合方式拼接。 训练阶段为加快网络收敛速度调用 ResNet50 预训练参数,对模型预测的分割结果利用全连接条件随机场做图像后处理。 实验结果表明, 该算法有效提升了深度学习在处理气胸分割任务上的分割精度, Dice 相似系数稳定在 0. 851,Jaccard 系数稳定在 0. 769。

关键词：气胸;U-Net;残差学习;语义分割;全连接条件随机场