基于多任务学习的间质性肺病分割算法

来源：计算机应用杂志2024年第4期北京时间：

作者：李威, 陈玲, 徐修远, 朱敏, 郭际香, 周凯, 牛颢, 张煜宸, 易珊烨, 章毅, 罗凤鸣

单位：1.四川大学 计算机学院，成都 610065；2.四川大学 华西医院，成都 610044；3.四川大学 华西临床医学院，成都 610041

摘要：间质性肺病（ILD）的分割标签标注成本极高，且现有数据集通常存在样本量较少的问题，导致训练的模型效果较差。针对该问题，提出一种基于多任务学习的ILD分割算法。首先，基于U-Net构建多任务分割模型；其次，使用生成的肺部分割标签作为辅助任务标签进行多任务学习；最后，使用一种自适应调整多任务损失函数权重的方法，平衡主任务和辅助任务的损失。在自构建的ILD数据集上的实验结果表明，多任务分割模型的Dice相似系数（DSC）达到了82.61%，与U-Net相比提升了2.26个百分点。验证了所提算法可以提升ILD的分割性能，协助临床医生进行ILD诊断。

关键词：间质性肺病,语义分割,小样本量,多任务学习,自适应多任务损失函数

基金资助：国家自然科学基金资助项目(62106163);中国人工智能学会-华为MindSpore学术奖励基金资助项目(21H1235)