基于3D-nnUNet的岩心三维图像喉道划分算法

摘要

岩心CT图像的三维喉道划分是数字岩心分析的核心步骤，关系到孔隙空间结构参数计算与渗流特性分析的准确性和可靠性。针对三维喉道结构在空间连接、尺度分布与形态特征上的复杂性与多样性，本文基于3D-nnUNet架构提出一种多分支注意力融合机制与多尺度特征增强的新型划分算法。该算法设计了通道-空间增强注意力模块（Channel-spatial Enhancement Aattention, CEA），通过并行耦合卷积块注意力模块（Convolutional Block Attention Module, CBAM）与高效空间金字塔注意力（Efficient Spatial Pyramid Attention, EPSA），协同多尺度空洞卷积运算，显著提升模型对多尺度喉道特征的鉴别能力。同步引入改进型空间金字塔快速池化（Spatial Pyramid Pooling-Fast, SPPF）结构，采用渐进式池化方案，在降低计算资源消耗的同时，保证多尺度特征完整性，提升复杂喉道结构的连通性表达能力。实验验证表明：本方案Dice系数达91.20%,IoU达88.42%，喉道正确划分率（C_R）达89.20%，相比其他主流传统算法和深度学习算法，多项指标均有提升，实现了高准确性的三维喉道划分，为数字岩心分析及储层渗流模拟提供自动化三维喉道划分工具。

关键词

3D-nnUNet / 岩心孔隙 / 三维喉道划分