计算机工程与应用 ›› 2023, Vol. 59 ›› Issue (24): 185-195.DOI: 10.3778/j.issn.1002-8331.2207-0027
程照雪,李阳,周妍,鲁慧民
CHENG Zhaoxue, LI Yang, ZHOU Yan, LU Huimin
摘要: 针对在肺结节分割过程中结节边缘像素点模糊导致模型分割精度低的问题,提出一种用于增强边缘特征的对称双分支结构分割模型GEU-Net(Gabor edge U-Net)。其主干分支使用U-Net来捕获结节整体视觉特征以及全局上下文信息,边缘分支则设计Gabor卷积模块提取结节边缘纹理特征,并通过跳跃连接对主干分支与边缘分支编码器提取到的特征进行融合。此外,提出一种融合交叉熵和Focal Loss的混合损失函数,用于解决两个分支在训练过程中存在的正负类样本不均衡问题。在公开数据集LIDC-IDRI以及LNDb上进行了结节分割实验,实验结果表明,GEU-Net分割模型在两个数据集上的Dice系数分别为92.79%和86.78%、平均交并比分别为87.53%和79.09%、召回率则分别为94.35%和87.43%,与基线算法相比分割性能得到了一定程度的改善。