10.3969/j.issn.1000-386x.2021.12.035
基于改进的U-Net肺结节分割方法研究
由于肺部CT图像的特征信息复杂程度高,经典U型卷积网络对肺结节分割存在准确率较低和误分割等问题.针对这一问题,提出一种改进的U型卷积网络模型.该模型将U-Net网络和DenseNet网络融合,将解码器浅层特征连接至深层特征来增强特征的复用性.通过U-Net网络与卷积条件随机场(ConvCRF)的端到端结合训练来增强边缘特征,解决了边界模糊的问题.提出一种改进的focal loss损失函数,该函数提高了结节所占的权重,解决了正负样本不平衡的问题.在LUNA16数据集中作对比实验验证了模型的性能,分割精准度达到0.9374,敏感度为0.941,该结果证明了改进模型在肺结节分割中更优.
肺结节分割;U型卷积网络;密集连接;损失函数;卷积条件随机场
38
TP391.41(计算技术、计算机技术)
吉林省科技发展计划项目20170204031GX
2021-12-20（万方平台首次上网日期，不代表论文的发表时间）
共7页
213-219
