改进的卷积神经网络在肺部图像上的分割应用

来源：计算机科学与探索杂志2020年第8期北京时间：

作者：钱宝鑫，肖志勇，宋威

单位：江南大学 人工智能与计算机学院，江苏 无锡 214122

摘要：CT成像技术是辅助医生诊断肺部疾病的重要手段。针对肺部各组织结构复杂，难以准确地对肺部CT图像中肺实质进行分割和提取的问题，提出了一种编/解码模式的肺分割算法。为了获得图像的多尺度信息，首先向网络模型中输入多尺度图像，使用残差网络结构作为编码模块，在扩展网络深度的同时不造成网络退化问题；此外，在编码和解码之间利用空洞空间金字塔池化（ASPP）充分提取上文多尺度信息；最后利用级联操作，将捕捉到的信息与编码层信息级联，结合注意力机制从而提高分割精度。通过对LUNA16数据集中89位患者的13 465张CT图像进行测试，以相似性系数和精确度作为主要评判标准，实验精度分别达到了99.56%和99.33%。实验结果表明，该方法能有效分割出肺实质区域，与其他网络相比分割效果更好。

关键词：CT图像,肺实质,医学图像分割,深度学习