CT图像下结合RCNN与U-Net的肺实质自动分割方法

摘要：

针对肺CT实质自动分割问题,提出了一种改进的U-Net模型.该模型充分结合了U-Net网络和循环卷积神经网络(RCNN)的优势,可以提取图像中更加细小的特征,在拥有较少数量网络参数的情况下获得良好的性能.该模型首先在编码和解码单元中,使用带有残差单元的循环卷积层代替U-Net模型中的前向卷积层.然后,从基本网络的端到端使用了有效的特征累积方法.最后,从原始的U-Net模型中删除了裁剪和复制单元,仅保留了级联操作.为了验证提出方法的性能,将提出的模型与当前最先进的模型在LUNA16数据集上进行了实验比较,实验结果显示,提出的分割模型在分割精度方面体现出一定的优越性.

关键词：RCNN;U-Net;医学图像分割;肺CT

所属期刊栏目：26

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;黑龙江省自然科学基金;山东省高等学校科技计划项目

在线出版日期：2021-08-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：74-82