基于通道残差嵌套U结构的CT影像肺结节分割方法

早诊断早治疗对提升肺癌的存活率至关重要。肺结节是肺癌早期主要表现,但其异质性特征增加了计算机断层扫描对肺结节的检测难度,降低了分割结果的精确度。为提高肺结节分割结果的完整性和精确度,提出三维通道残差嵌套U网络(CR U2Net)。浅层特征同时包含病灶细节和噪声信息,提出浅层信息处理U结构平衡噪声信息的干扰;为加强不同层特征信息的交互,丰富特征表达和传递,提出通道残差结构,配合嵌套U结构实现特征信息的提取优化;考虑到浅层特征包含空间细节信息而深层特征具有语义抽象性,设计通道挤压U结构实现不同语义级别特征有效融合;将上述模块集成到UNet中构建出基于嵌套U结构的肺结节分割模型。提出的模型在Lung Image Database Consortium and Image Database Resource Initiative数据集中进行训练,达到了83.83%的Dice系数。优于多数现有肺结节分割方法且与UNet,UNet++以及PCAMNet网络相比领先了3.98%,1.96%和1.26%;针对网络结构进行有效性验证,结果表明各模块均发挥作用,在可接受参数量和计算量的情况下达到最优性能。

基于改进LinkNet的寒旱区遥感图像河流识别方法

为解决遥感图像河流精细化提取问题,提出一种改进LinkNet模型的分割网络(AFRLinkNet)。AFRLinkNet在LinkNet基础上引入了残差通道注意力结构、非对称卷积模块以及密集跳跃连接结构,并用视觉激活函数FReLU替换ReLU激活函数。残差通道注意力结构可以强化对分割任务有效的特征,以提高模型的分类能力,得到更多的细节信息。利用非对称卷积模块进行模型压缩和加速。使用FReLU激活函数提升网络提取遥感图像河流的精细空间布局。在寒旱区河流数据集上的实验结果表明,AFRLinkNet网络相较于FCN、UNet、ResNet50、LinkNet、DeepLabv3+网络交并比分别提高了26.4、22.7、17.6、12.0、9.7个百分点,像素准确率分别提高了25.9、22.5、13.2、10.5、7.3个百分点;引入非对称卷积模块后,交并比提高了5.1个百分点,像素准确率提高了2.9个百分点,在此基础上引入残差通道注意力结构之后,交并比又提高了2.2个百分点,像素准确率提高了2.3个百分点,证明了其对河流细节识别效果更好。