一种分割网络Ref-Net及其在新冠肺炎CT影像语义分割中的应用

摘要

本发明公开了一种分割网络Ref‑Net及其在新冠肺炎CT影像语义分割中的应用，该网络以Res2Net为主干网络提取多层特征，在低层使用边缘注意力模块关注目标的边缘特征；然后在高层使用由空间注意力和通道注意力模块组成的注意力定位模块来全局定位目标；最后通过上下文探索模块去除假阳性和假阴性，得到细化后更加精准的特征图；以公开数据集（COVID‑19）为基础实验，在不使用任何辅助优化手段的情况下，在6个客观评价指标上对比最新网络，表现优越，平均绝对误差提高了26.8%以上，且Dice相似系数、灵敏度（Sen）、特异率（Spec）、结构指标（）、增强‑对齐指标（）均同时得到了提升，整体上提高了检测结果的准确度，促进了对感染者进行有效筛查。