基于边缘关注模型的语义分割方法

作者：佘玉龙; 张晓龙; 程若勤; 邓春华

来源：计算机应用, 2020, 1-9.

• 医学肝脏影像
• 语义分割
• 特征提取
• 残差网络
• 体积重叠误差
• 相对体积差异 Medical imaging of the liver
• Semantic segmentation
• Feature extraction
• Residual Network
• Volume Overlap Error
• Relative Volume Difference

肝脏是人体代谢功能的主要器官，目前机器学习在肝脏影像语义分割研究中的难点有：1)肝脏中间部位有下腔静脉、软组织和血管，甚至有一些坏死或肝裂等情况；2)肝脏与相邻的一些器官之间边界模糊，存在难以分辨等问题。针对这些问题，提出了边缘关注模型，运用encoder-decoder的模型框架，在编码器中运用了在ImageNet上预训练好的ResNet34残差网络和边缘关注模型，以此来充分获取肝脏边缘的细节特征信息。在解码器中运用了反卷积操作和本文提出的边缘关注模型，对有效信息进行特征提取，进而得到肝脏影像语义分割图。最后，对分割后的图片噪音实施平滑处理。实验结果表明，在3Dircadb数据集上与AHCN...

• 出版日期2020-8-10
• 单位武汉科技大学附属天佑医院; 智能信息处理与实时工业系统湖北省重点实验室; 武汉科技大学