基于多任务学习的间质性肺病分割算法

作者：李威; 陈玲; 徐修远; 朱敏; 郭际香; 周凯; 牛颢; 张煜宸; 易珊烨; 章毅; 罗凤鸣^*

来源：计算机应用, 2023, 1-11.

• 间质性肺病
• 语义分割
• 小样本量
• 多任务学习
• 自适应多任务损失函数

间质性肺病(ILD)的分割标签标注成本极高，现有数据集通常存在样本量较小的问题，导致训练的模型效果较差。针对该问题，提出一种基于多任务学习的间质性肺病分割算法。首先，基于Unet构建多任务分割模型；然后，使用生成的肺部分割标签作为辅助任务标签进行多任务学习；最后，使用一种自适应调整多任务损失函数权重的方法，平衡主任务和辅助任务的损失。在自构建的间质性肺病数据集上进行了实验，多任务分割模型的Dice相似系数（DSC）达到了82.61%，与Unet相比，提升了2.26个百分点。实验结果表明，所提算法提升了间质性肺病的分割性能，可用于协助临床医生进行间质性肺病诊断。

• 单位
  四川大学; 四川大学华西医院