文献类型：期刊文章

作　　者：王磐[1] 强彦[1] 杨晓棠[2] 侯腾璇[1]

WANG Pan;QIANG Yan;YANG Xiaotang;HOU Tengxuan(School of Information and Computer,Taiyuan University of Technology,Jinzhong,Shanxi 030600,China;Department of Radiology,Shanxi Province Cancer Hospital,Tainyuan 030000,China)

机构地区：[1]太原理工大学信息与计算机学院,山西晋中030600 [2]山西省肿瘤医院放射科,太原030000

出　　处：《计算机工程》

基　　金：国家自然科学基金(61872261);山西省自然科学基金(201801D121139);虚拟现实技术与系统国家重点实验室开放基金(VRLAB2018A08)。

年　　份：2021

卷　　号：47

期　　号：2

起止页码：307-313

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：为提高计算机辅助诊断系统对大尺寸肺结节分割的完整度以及小尺寸肺结节的分割精度,构建双注意力3D-UNet肺结节分割网络模型。将传统3D-UNet网络中的上采样操作替换为DUpsampling结构,通过最小化特征图的像素点与被压缩标签图像之间的损失,得到更具表达能力的特征图,进而提高网络收敛速度。在此基础上,融入空间注意力模块和通道注意力模块,使单通道与多通道中相似的特征彼此相关,增加特征图的全局相关性以提高分割结果的精度。实验结果表明,与3D-UNet等方法相比,该模型有效提高了肺结节分割的准确率,在公共数据集LIDC-IDRI上的MIoU分数达到89.4%。

关 键 词：肺结节分割  空洞卷积  注意力模块  3D-UNet网络  DUpsampling结构  

分 类 号：TP391]