计算机应用研究

作者：张宇杰,叶西宁,

单位：华东理工大学信息科学与工程学院,上海200237；

关键词：肺结节分割,深度卷积神经网络,WU-Net,多尺度融合,图像分割,

基金：国家自然科学基金资助项目(60974066)；；

深度卷积神经网络在医学图像分割领域运用广泛，目前的网络改进普遍是引入多尺度融合结构，增加了模型的复杂度，在提升精度的同时降低了训练效率。针对上述问题，提出一种新型的WU-Net肺结节图像分割方法。该方法对U-Net网络进行改进，在原下采样编码通路引入改进的残余连接模块，同时利用新提出的dep模块改进的信息通路完成特征提取和特征融合。实验利用LUNA16的数据集对WU-Net和其他模型进行训练和验证，在以结节为尺度的实验中，Dice系数和交并比分别能达到96.72%、91.78%；在引入10%的负样本后，F1值达到了92.41%，相比UNet3+提高了1.23%；在以肺实质为尺度的实验中，Dice系数和交并比分别达到了83.33%、66.79%，相比RU-Net分别提升了1.35%、2.53%。相比其他模型，WU-Net模型的分割速度最快，比U-Net提升了39.6%。结果显示，WU-Net提升肺结节分割效果的同时加快了模型的训练速度。

来源：2022年第3期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第3期