基于改进的DeepLabV3+肺实质分割网络  

作　　者：尹强 彭刚 宋文广[1] 曾威 

机构地区：[1]长江大学计算机科学学院,湖北荆州434023 [2]惠州学院计算机科学与工程学院,广东惠州516007

出　　处：《电脑知识与技术》2023年第20期1-7,共7页Computer Knowledge and Technology

基　　金：中国高校产学研创新基金(2021ALA01004);2020年新疆维吾尔自治区创新人才建设专项自然科学计划(自然科学基金)(2020D01A132);惠州学院自主创新能力提升计划项目(hzu202018);湖北省科技示范项目(2019ZYYD016)。

摘　　要：肺野分割是肺部疾病筛查和诊断的前置工作,针对现存网络模型普遍存在的参数庞大、分割效率和灵敏度低的问题,提出了一种基于DeepLabV3+改进的肺实质分割网络。改进的模型使用MobileNetV2作为骨干特征提取网络,以降低网络模型参数,提升分割效率。首先,将空洞空间金字塔池化模块(ASPP)中的扩张卷积改为深度可分离扩张卷积,在基本不影响分割准确率的情况下,显著提升训练效率。其次,通过级联金字塔池化模块(PPM),同时采用多跳跃连接和注意力机制,不但可以获取更加丰富的语义特征,还能最大限度融合深浅层特征信息,提升分割效果。最后,使用Tversky损失函数,平衡结果中假阴性和假阳性的比例,提升模型的灵敏度。实验结果表明,所提算法在日本放射线技术协会(JSRT)提供的公开肺部X光数据集的验证集上的准确率为98.17%,Dice相似系数为97.10%,交并比(IoU)为94.37%,灵敏度(SE)为98.37%。对比常见分割算法FCN-8s、U-Net、DeepLabV3+,改进算法的IoU指标分别提升了4.7%、0.5%和0.17%,且参数量仅有12.4 M。所提网络在保证分割效果的同时,显著降低了参数量,取得了更好的分割效率。

关 键 词：语义分割 深度学习 MobileNetV2 DeepLabV3+ 肺实质分割 

分 类 号：TP393[自动化与计算机技术—计算机应用技术]