基于改进U-Net网络的肺部CT图像结节分割方法

摘要

肺结节的精准分割对于肺肿瘤的良恶性诊断具有重要意义。针对肺结节在肺部CT图像中占比较小且形态各异,为肺结节的识别带来障碍等问题,提出一种改进的U-Net肺结节分割算法:加入双注意力模块,强化重要特征;使用残差模块简化网络训练,避免梯度消失;加入空洞空间金字塔池化模块,得到上下文不同尺度的特征;融合Focal loss函数与Dice损失函数,解决样本分布不均衡和难分样本挖掘问题。对Luna16数据集的100例患者的CT图像进行了测试。实验结果表明,该方法的交并比和F1分数分别达到了0.7888和0.8959。与Seg‐Net、U-Net、U-Net++网络和其他改进策略相比,本文方法可以准确地分割出肺结节,具有更好的分割性能。