结合线性迭代聚类和分割对抗的肺结节分割

摘要

由于肺结节的形状和大小不一,在进行肺结节语义分割的过程中普遍存在漏分割和交叉比偏低的问题,为了改善这种现象,提出了一种将改进的线性迭代聚类与引入注意力机制的条件分割对抗网络相结合的肺结节分割方法,首先利用SLIC超像素分割法对肺部图像进行预分割,再将预分割好的图像输入以改进的U-Net为分割器的分割对抗网络模型,通过分割器与判别器相互对抗学习优化模型参数以获得更好的肺结节分割效果.实验结果表明,相比与U-Net,本文所用方法Dice系数提升了1.9％,交叉比提升了2.8％.