首页|COVIDSeg:新冠肺炎肺部CT图像轻量化分割模型

COVIDSeg:新冠肺炎肺部CT图像轻量化分割模型

扫码查看
原文链接
  • 万方数据
  • 维普
新型冠状病毒肺炎(COVID-19)严重威胁人类健康,计算机自动分割患者肺部CT(com-puted tomography)图像是辅助医生进行快速准确诊断的重要手段.为此,提出针对新冠肺炎肺部CT图像分割的轻量化模型COVIDSeg.模型采用编码器-解码器结构,提出压缩-扩展通道注意力模块(squeeze and extend channel attention block,SECA)和残差多尺度注意力模块(residual multi-scale channel attention block,RMSCA)构成编码子网络主要组成模块,提出双通路结构连接编码子网络的各模块,通路内特征逐层传递,通路之间多级特征信息交互,促进不同层级有效信息的传递和表达;采用特征聚合模块作为解码子网络的主要组成模块,通过多尺度特征解码实现多路径解码器.在4个公开使用的COVID-19 CT图像数据集的实验测试表明,提出的轻量化新冠肺炎CT图像分割模型COVIDSeg在多项指标上优于当前主流的医学图像分割模型.通过消融实验分析主要模块对模型性能的影响,验证了提出的缩减-扩展通道注意力模块SECA和残差多尺度注意力模块RMSCA的有效性.分割结果可视化显示,模型对新冠肺炎肺部CT图像的分割结果与图像的真实Mask标记基本相同.
COVIDSeg:the lightweight segmentation model for the lung CT images of COVID-19 patients

谢娟英、夏琴

展开 >

陕西师范大学计算机科学学院,陕西西安710119

新型冠状病毒肺炎 计算机辅助诊断 CT图像 分割 注意力机制

国家自然科学基金国家自然科学基金国家自然科学基金中央高校基本科研业务费专项资金中央高校基本科研业务费专项资金中央高校基本科研业务费专项资金

620761591203101061673251GK202105003GK2017010062018TS078

2022

陕西师范大学学报(自然科学版)
陕西师范大学

陕西师范大学学报(自然科学版)

CSTPCDCSCD北大核心
影响因子：0.563
ISSN：1672-4291
年,卷(期)：2022.50(3)
  • 1