融合多特征和注意力机制的肺结节分割算法

作者：卢娟; 汤铁群; 张荣福; 李峰; 林凯临

来源：小型微型计算机系统, 2021, 1-7.

• 肺结节
• 多特征
• 注意力机制
• 深度卷积神经网络
• 部分解码器

针对计算机断层扫描（CT）影像中肺结节存在尺寸小、形状异质化高、细节特征模糊、易与周围组织混淆等问题，本文提出了一种融合多特征和注意力机制的深度卷积神经网络，实现肺结节的准确定位和分割。算法中改进的VGGNet16主干网络可以自动识别较小的肺结节，各block中引入的卷积块注意力模块让算法重点关注肺结节区域，主干网络末端加入部分解码器聚合多个高层特征，不同层级的特征相互补充，从而生成全局粗略特征图，反向注意力机制引导算法由上向下逐层细化结节信息。最后，融合多特征，即将低层边界特征作为分割约束与高层特征进行融合，生成最终结节分割图。实验结果表明，在公共数据集LUNA16和所建立的数据集B上，该算法的Dice系数分别达到86.4%、86.0%，特异性分别达到99.4%、98.8%、平均绝对误差分别降低为0.005、0.018，优于多数现有肺结节分割算法，证明了该算法的有效性。

• 单位
  上海理工大学; 复旦大学附属肿瘤医院