基于混合损失注意力的CT气胸自动分割与量化

来源：计算机应用与软件杂志2024年第12期北京时间：

作者：唐琴, 刘志勤, 王庆凤, 黄俊, 薛博, 周莹

摘要：CT气胸的及时诊断尤为重要。提出CT气胸自动分割与量化方法，采用阈值法分割肺野，去除肺野外复杂环境对CT气胸分割的影响，基于Ma_Unet（Mixloss attention U_Net）分割气胸，自动学习目标区域的形态大小以及位置信息，并缓解数据不平衡问题，优化网络训练。提出气胸体积以及肺压缩比算法，实现像素级精准CT气胸量化。在创建的Seg-CT-Pne测试集上的实验结果表明，所提方法的准确性为99.96%，优于现有阈值法、U_net、nnU-Net，并且最终实现了CT气胸体积以及肺压缩比计算，整个自动分割与量化过程平均仅需18.87 s，平均差异仅4.47%，优于CAV，可满足临床需求。

关键词：深度学习, CT气胸分割, 混合损失, CT气胸体积量化