基于选择性自校正卷积U-Net的肺部X射线图像肺实质分割

王怡; 李昆

doi:10.13364/j.issn.1672-6510.20230148

天津科技大学学报 ›› 2024, Vol. 39 ›› Issue (04) : 73 -80. DOI: 10.13364/j.issn.1672-6510.20230148

基于选择性自校正卷积U-Net的肺部X射线图像肺实质分割

王怡, 李昆

作者信息 +

Author information +

文章历史 +

PDF (1321K)

摘要

针对U-Net分割算法无法提取多尺度特征、易受到伪影和噪声干扰而导致在肺部X射线图像中肺实质分割不精确的问题，提出一种基于选择性自校正卷积的U-Net改进算法。改进后的U-Net算法将普通卷积模块替换为选择性自校正卷积模块，该模块采用多分支结构提取多尺度特征信息，使用Sigmoid函数和Softmax函数对多尺度特征信息进行选择性校正，使校正后的特征信息聚焦于肺实质区域，输出特征更加具有针对性。实验表明，该方法对骰子系数、交并比、F1评分结果以及对肺实质分割结果都有一定程度的提升。