陕西师范大学学报(自然科学版)

作者：谢娟英, 夏琴

单位：陕西师范大学计算机科学学院,陕西西安710119

关键词：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

基金：国家自然科学基金(62076159,12031010,61673251);中央高校基本科研业务费专项资金(GK202105003, GK201701006, 2018TS078)

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(computed 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。

来源：2022年第3期

《陕西师范大学学报(自然科学版)》期刊编辑部

查看陕西师范大学学报(自然科学版)杂志2022年第3期