基于多尺度改进的V-Net肺结节分割方法研究

作者：门靖茹; 王泽荣; 张富春^*; 白宗文^*

来源：延安大学学报(自然科学版), 2022, 41(01): 115-120.

DOI：10.13876/J.cnki.ydnse.2022.01.115

• 肺结节分割
• 深度学习
• 多尺度特征
• V-Net
• 路线注意力

近年来基于深度模型分割已成为肺结节分割的主要方法，但多数深度模型的精度与轻量性难以共存，且大模型不利于方便部署。为了得到一种轻量级且尽可能不损失精度的模型，提出了一种基于M-VNet的肺结节分割方法。该网络总体设计继承V-Net结构，并添加了不同深度路线平衡细节信息和语义信息，使用路线注意力机制进行高效融合。M-Block组件设计将残差信息纳入卷积计算，在有效缩小模型的同时保留模型的优异分割性能。研究结果显示，M-VNet在参数量仅为V-Net的13%的情况下，骰子系数较V-Net提高4%。使用LIDC-IDRI肺结节公开数据集对基线模型和改进模型进行性能评估，结果表明M-VNet的性能优异，对不同形态的肺结节分割效果良好且性能稳定。该方法在肺结节分割和提高诊断速度、准确率方面具有一定的临床应用价值。