融合多特征和注意力机制的肺结节分割算法

针对计算机断层扫描(CT)影像中肺结节存在尺寸小、形状异质化高、细节特征模糊、易与周围组织混淆等问题,本文提出了一种融合多特征和注意力机制的深度卷积神经网络,实现肺结节的准确定位和分割.算法中改进的VGGNet16主干网络可以自动识别较小的肺结节,各block中引入的卷积块注意力模块让算法重点关注肺结节区域,主干网络末端加入部分解码器聚合多个高层特征,不同层级的特征相互补充,从而生成全局粗略特征图,反向注意力机制引导算法由上向下逐层细化结节信息.最后,融合多特征,即将低层边界特征作为分割约束与高层特征进行融合,生成最终结节分割图.实验结果表明,在公共数据集LUNA16和所建立的数据集B上,该算法的Dice系数分别达到86.4%、86.0%,特异性分别达到99.4%、98.8%、平均绝对误差分别降低为0.005、0.018,优于多数现有肺结节分割算法,证明了该算法的有效性.