基于自适应联合损失函数的新型冠状病毒感染病灶分割网络

新型冠状病毒感染是一种传染性强、变异性强、潜伏期长的急性呼吸道传染病。基于电子计算机断层扫描成像的新型冠状病毒感染病灶自动分割可以辅助医生进行快速诊断和精确治疗,能有效地减少误诊漏诊的风险。针对新型冠状病毒感染病灶征象复杂且边界模糊难以分割等痛点,本文在新型冠状病毒感染病灶分割网络的基础上结合水平集分割方法引入了水平集广义骰子损失函数(LGDL),提出了双路径新型冠状病毒感染病灶分割网络(Dual-SAUNet++),其中LGDL是由掩膜路径的广义骰子损失和水平集路径的均方误差联合所得的自适应权重损失。本文所提模型在测试集上取得的戴斯相似系数为(87.81±10.86)%,交并比为(79.20±14.58)%,敏感度为(94.18±13.56)%,特异度为(99.83±0.43)%,豪斯多夫距离为(18.29±31.48) mm。实验证明,Dual-SAUNet++能够同时关注病灶的面积和边界信息,可以有效分割出多尺度病灶且具有较强的抗噪能力。综上,本文所提方法通过精确分割病灶区域,可辅助医生判断新型冠状病毒感染的严重程度,为后续临床治疗提供可靠依据。