基于多尺度改进的V-Net肺结节分割方法研究

摘要

近年来基于深度模型分割已成为肺结节分割的主要方法,但多数深度模型的精度与轻量性难以共存,且大模型不利于方便部署。为了得到一种轻量级且尽可能不损失精度的模型,提出了一种基于M-VNet的肺结节分割方法。该网络总体设计继承V-Net结构,并添加了不同深度路线平衡细节信息和语义信息,使用路线注意力机制进行高效融合。M-Block组件设计将残差信息纳入卷积计算,在有效缩小模型的同时保留模型的优异分割性能。研究结果显示,M-VNet在参数量仅为V-Net的13%的情况下,骰子系数较V-Net提高4%。使用LIDC-IDRI肺结节公开数据集对基线模型和改进模型进行性能评估,结果表明M-VNet的性能优异,对不同形态的肺结节分割效果良好且性能稳定。该方法在肺结节分割和提高诊断速度、准确率方面具有一定的临床应用价值。