基于改进U-Net的肺部CT图像COVID-19病灶分割研究  

作　　者：蔡晨涛 吴钧 柳玉婷 

机构地区：[1]皖南医学院,安徽芜湖241000

出　　处：《电脑知识与技术》2024年第14期18-22,40,共6页Computer Knowledge and Technology

基　　金：国家级大学生创新创业训练计划项目(No.202210368040);安徽省大学生创新创业训练计划项目(S202210368076)资助。

摘　　要：肺部CT图像是诊断患者是否新冠感染最常用的技术之一。然而,从CT图像中手动筛查COVID-19病例耗时且费力。此外,COVID-19与其他社区获得性肺炎,如病毒性、细菌性或真菌性肺炎,在肺部CT影像上具有类似的特征,仅依靠影像医师无法准确区分二者。为了解决这个问题,提出了一种基于深度学习的自动分割系统。首先对图像进行了直方图均衡化、Otsu的二值化裁剪和数据增强等预处理操作,选用改进U-Net模型SA-UNet,即在特征拼接中引入空间注意力模块,采用结构化的dropout卷积块代替U-Net的原始卷积块,获得了实验性能突出的分割改进模型。

关 键 词：深度学习 U-Net COVID-19 医学影像 图像分割 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]