基于DeepLabV3+网络框架的上消化道溃疡内镜图像分割模型

摘要

目的基于DeepLab V3+网络框架,构建深度学习计算机视觉模型,实现对上消化道溃疡内镜图片较精确的语义分割。方法DeepLab V3+网络框架的编码器首先通过多个并行的、具有不同采样率的空洞卷积层,之后通过一个全局平均池化层对图像进行特征提取,实现多尺度提取特征;而解码器部分对深度特征层进行4次上采样,与浅层特征层进行堆叠并调整堆叠层大小,使其和输入图像大小一致,得到模型的预测结果。结果在内部验证集中,该模型的准确度(Accuracy,ACC)为0.963,平均交并比(Mean Intersection Over Union,mIoU)为0.927;外部测试集中,该模型的ACC为0.958,mIoU为0.915;均优于传统算法U-Net(内部验证集ACC为0.810,mIoU为0.785;外部测试集ACC为0.779,mIoU为0.732)。结论DeepLab V3+网络框架在识别病灶方面准确度高,具有较好的临床实践性。