典型文献
COVIDSeg:新冠肺炎肺部CT图像轻量化分割模型
文献摘要：
新型冠状病毒肺炎(COVID-19)严重威胁人类健康,计算机自动分割患者肺部CT(com-puted tomography)图像是辅助医生进行快速准确诊断的重要手段.为此,提出针对新冠肺炎肺部CT图像分割的轻量化模型COVIDSeg.模型采用编码器-解码器结构,提出压缩-扩展通道注意力模块(squeeze and extend channel attention block,SECA)和残差多尺度注意力模块(residual multi-scale channel attention block,RMSCA)构成编码子网络主要组成模块,提出双通路结构连接编码子网络的各模块,通路内特征逐层传递,通路之间多级特征信息交互,促进不同层级有效信息的传递和表达;采用特征聚合模块作为解码子网络的主要组成模块,通过多尺度特征解码实现多路径解码器.在4个公开使用的COVID-19 CT图像数据集的实验测试表明,提出的轻量化新冠肺炎CT图像分割模型COVIDSeg在多项指标上优于当前主流的医学图像分割模型.通过消融实验分析主要模块对模型性能的影响,验证了提出的缩减-扩展通道注意力模块SECA和残差多尺度注意力模块RMSCA的有效性.分割结果可视化显示,模型对新冠肺炎肺部CT图像的分割结果与图像的真实Mask标记基本相同.
文献关键词：
新型冠状病毒肺炎;计算机辅助诊断;CT图像;分割;注意力机制
中图分类号：
作者姓名：
谢娟英;夏琴
作者机构：
陕西师范大学计算机科学学院,陕西西安710119
文献出处：
引用格式：
[1]谢娟英;夏琴-.COVIDSeg:新冠肺炎肺部CT图像轻量化分割模型)[J].陕西师范大学学报（自然科学版）,2022(03):65-78
A类：
COVIDSeg,RMSCA
B类：
分割模型,自动分割,com,puted,tomography,像是,快速准确,轻量化模型,编码器,解码器,通道注意力模块,squeeze,extend,channel,attention,block,SECA,多尺度注意力模块,residual,multi,scale,码子,子网络,成模,双通路,结构连接,路内,内特,逐层,多级特征,特征信息,信息交互,有效信息,特征聚合,多尺度特征,征解,多路径,图像数据集,实验测试,测试表明,医学图像分割,消融实验,模型性能,可视化显示,Mask,基本相同,计算机辅助诊断,注意力机制
AB值：
0.316896
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
