典型文献
XR-MSF-Unet:新冠肺炎肺部CT图像自动分割模型
文献摘要：
新冠肺炎给人类带来极大威胁,自动精确分割新冠肺炎CT图像感染区域可以辅助医生进行诊断治疗,但新冠肺炎的弥漫性感染、感染区域形状多变、与其他肺部组织极易混淆等给CT图像分割带来挑战.为此,提出新冠肺炎肺部CT图像分割新模型XR-MSF-Unet,采用XR卷积模块代替U-Net的两层卷积,XR各分支的不同卷积核使模型能够提取更多有用特征;提出即插即用的融合多尺度特征的注意力模块MSF,融合不同感受野、全局、局部和空间特征,强化网络的细节分割效果.在COVID-19 CT公开数据集的实验表明:提出的XR模块能够增强模型的特征提取能力,提出的MSF模块结合XR模块,能够有效提高模型对新冠肺炎感染区域的分割效果;提出的XR-MSF-Unet模型取得了很好的分割效果,其Dice、IOU、F1-Score和Sensitivity指标分别比基模型U-Net的相应指标高出3.21、5.96、1.22和4.83个百分点,且优于同类模型的分割效果,实现了新冠肺炎肺部CT图像的自动有效分割.
文献关键词：
新冠肺炎;CT图像分割;U-Net;XR模块;MSF模块
中图分类号：
作者姓名：
谢娟英;张凯云
作者机构：
陕西师范大学 计算机科学学院,西安 710119
文献出处：
引用格式：
[1]谢娟英;张凯云-.XR-MSF-Unet:新冠肺炎肺部CT图像自动分割模型)[J].计算机科学与探索,2022(08):1850-1864
A类：
B类：
XR,MSF,Unet,图像自动分割,自动分割模型,大威,精确分割,诊断治疗,弥漫性,图像分割,卷积模块,Net,两层,卷积核,即插即用,多尺度特征,注意力模块,感受野,空间特征,分割效果,公开数据集,增强模型,特征提取能力,Dice,IOU,Score,Sensitivity,比基,基模,标高,百分点
AB值：
0.334007
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。
