计算机工程

作者：李富豪, 赵希梅

单位：1. 青岛大学 计算机科学技术学院, 山东 青岛 266071;2. 山东省数字医学与计算机辅助手术重点实验室, 山东 青岛 266071

关键词：鼻腔鼻窦肿瘤,U-Net算法,目标分割,可变形卷积网络,Tversky损失函数

基金：国家自然科学基金（61303079）。

鼻腔鼻窦肿瘤为多发性疾病，其CT影像具有形态不规则、分界不均匀等特征，而现有的U-Net分割算法对图片细节不敏感且割裂了图像局部与整体特征的一致性，难以实现精准诊断。提出一种基于D-Unet深度神经网络的改进算法，根据鼻腔鼻窦肿瘤空间形变特点，将可变形卷积融入U-Net网络，并利用可变形卷积能依据目标形态拥有自适应感受野的特点，充分学习图像细节，从而提升算法的特征提取能力。在此基础上，使用损失函数Tversky解决数据集样本失衡问题，从而获得更高的灵敏度和泛化能力。为方便进一步研究，建立鼻腔鼻窦肿瘤分割数据集。实验结果表明，所提算法能有效提高鼻腔鼻窦肿瘤分割精度，相比U-Net、Res-Unet和Attention U-Net算法，分割精度分别提高了5.01%、2.56%和0.48%。

来源：2022年第1期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第1期