基于改进U-Net网络的新冠病毒CT图像分割

摘要

新冠病毒2019(COVID-19)在过去一年内严重威胁人类生命和健康。全球经济、教育、交通等方面都受到了影响。为了尽快解决新冠病毒引起的问题,快速准确判断人们是否感染是非常重要的。以U-Net为基本框架,采用多尺度特征提取模块,并在反卷积过程中加入位置信息,将图像的全局信息和局部信息充分结合,提出改进模型并应用于COVID-19 CT图像集。上述模型通过深度学习自动分割COVID-19 CT图像的左右肺、病灶和背景四部分。最后对分割结果进行了评价,达到了预期的效果。有助于医务人员快速识别感染部位。