改进双向LSTM的肺结节分割方法

作者：徐麒皓; 李波

来源：计算机工程与应用, 2020, 1-10.

• 肺结节
• 密集卷积
• 跳跃连接
• 编码路径
• 结节分割 pulmonary nodules
• dense convolution
• skip connection
• coding path
• nodule Segmentation

基于深度学习网络在医学图像分割方面取得了很多成果。由于类圆形的肺结节不同于血管和大部分肺部结构呈扁平状，因此通过对U-Net进行扩展，提出一种带有多视图密集卷积的双向LSTM U-Net网络来消除血管和肺内组织结构以检测结节。与U-Net在跳跃连接中进行级联不同，改进双向LSTM网络将编码路径中提取特征图与解码卷积层进行非线性结合。为了加强特征传播和鼓励特征复用，在编码路径的最后一个卷积层采用密集卷积，最后使用批处理规范化（BN）来加速网络的收敛速度。实验结果表明该模型有效的提高了肺结节分割的准确率，对LUNA16和阿里巴巴天池竞赛数据集中每个候选样本提取轴位、冠状和矢状视图后训练的MIoU达...

• 单位
  武汉科技大学