面向腺体组织病理学图像分割的改进U2-Net模型

摘要

结直肠癌是全球癌症患病人数当中致死率最高的癌症之一，为提高结直肠腺体的分割准确率，本文把U2-Net引入到医学图像分割领域，并对其改进以提高分割效果.首先，为减弱下采样带来的细节特征丢失和上采样时插值误差，在RSU内部的桥接处引入ASPP模块并且使用深度可分离卷积替换普通卷积以提高有效特征的提取能力同时减少参数量；其次，在外层解码器阶段引入了注意力机制以加强特征间的融合，减少因跳跃连接而丢失的空间信息；最终，把交叉熵损失和Dice相结合作为最终损失函数来解决类不平衡问题.在SJTU＿GSFPH数据集与U2-Net相比F1-Score和Dice分别提升了1.43和1.03,HD降低了10.93;在GlaS数据集中与U2-Net相比Dice提升了1.29,HD降低了3.82.实验结果表明，本文方法有效提升了结直肠腺体分割的精准度.

关键词

U2-Net / 结直肠 / 医学图像分割 / Dice