计算机科学与探索

作者：谢娟英, 张凯云

单位：陕西师范大学 计算机科学学院，西安 710119

关键词：新冠肺炎,CT图像分割,U-Net,XR模块,MSF模块

基金：国家自然科学基金(62076159);国家自然科学基金(12031010);国家自然科学基金(61673251);中央高校基本科研业务费专项资金(GK202105003);中央高校基本科研业务费专项资金(GK201701006);陕西师范大学研究生创新基金项目(2018TS078)

新冠肺炎给人类带来极大威胁，自动精确分割新冠肺炎CT图像感染区域可以辅助医生进行诊断治疗，但新冠肺炎的弥漫性感染、感染区域形状多变、与其他肺部组织极易混淆等给CT图像分割带来挑战。为此，提出新冠肺炎肺部CT图像分割新模型XR-MSF-Unet，采用XR卷积模块代替U-Net的两层卷积，XR各分支的不同卷积核使模型能够提取更多有用特征;提出即插即用的融合多尺度特征的注意力模块MSF，融合不同感受野、全局、局部和空间特征，强化网络的细节分割效果。在COVID-19 CT公开数据集的实验表明：提出的XR模块能够增强模型的特征提取能力，提出的MSF模块结合XR模块，能够有效提高模型对新冠肺炎感染区域的分割效果;提出的XR-MSF-Unet模型取得了很好的分割效果，其Dice、IOU、F1-Score和Sensitivity指标分别比基模型U-Net的相应指标高出3.21、5.96、1.22和4.83个百分点，且优于同类模型的分割效果，实现了新冠肺炎肺部CT图像的自动有效分割。

来源：2022年第8期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2022年第8期