动态感受野的图像分割神经网络模型

针对基于U-Net的分割方法在医学图像分割领域存在的下采样阶段信息丢失,以及因固定尺寸卷积核带来的局部多尺度语义信息提取不足的问题,提出一种动态感受野的神经网络模型.首先通过构建特征递进级联模块,获取编码器多尺度局部语义特征并将其赋值给解码器,提升模型解码阶段图像语义信息修复的效果;然后设计局部视野偏移模块,增强固定尺寸卷积核提取视野内上下文语义信息的能力.在ISIC2018和BUSI癌症图像分割数据集上的实验结果表明,所提模型的IoU指标达到83.92±0.26和70.45±1.70,Dice系数达到91.09±0.23和83.39±1.15,比现有的医学图像分割方法更优.