基于CAU⁃Net的肺部影像分割算法

在现有的医学图像分割网络中,U⁃Net已在肺部影像分割中成功应用。为了充分利用全卷积U⁃Net网络提取到的肺实质特征,改善肺分割的效果,提出一种融合通道注意力的CAU⁃Net肺分割算法。将通过跳跃连接网络融合的浅层和深层特征输入通道注意力,进行像素级别的特征权重分配以提升模型对特定特征信息的权重,让感受野内分割的主要特征更突出,网络层级对特征的学习更加专注。在Kaggle竞赛的肺分割数据集上进行了实验,所提算法在测试数据集的肺实质分割中精确率达99.4%,准确率达97.8%,相似度达96.9%,敏感度达99.1%,特异性达99.5%,结果表明,该算法能够对肺部区域进行有效分割。