文档名：SOSNet一种非对称编码器解码器结构的非小细胞肺癌CT图像分割模型
摘要：非小细胞肺癌严重损害人类健康,早期非小细胞肺癌CT(ComputedTomography)图像中的肿瘤结节体积小,不易发现,极易造成漏诊和误诊.为了精确分割非小细胞肺癌CT图像中的小体积肿瘤结节,本文提出SOSNet(SmallObjectSegmentationNetworks)自动分割模型,利用ResNet(ResidualNetwork)基础层和空洞卷积构造非对称编码器-解码器结构作为分割主网络,利用轴向取反注意力模块ARA(AxialReverseAttention)逐步擦除背景中对分割有影响的结构,再使用结构细化模块SR(StructureRefinement)对主网络输出的粗略特征图进行结构细化,从而实现非小细胞肺癌肿瘤结节分割.在非小细胞肺癌公开数据集的实验测试表明,本文提出的小目标自动分割模型SOSNet可以有效分割出非小细胞肺癌CT图像中的小体积肿瘤结节,其mDice(mean-Dice)、mIoU(meanIntersectionoverUnion)、Sen-sitivity、F1、Specificity、平均绝对误差MAE(MeanAbsoluteError)均优于当前最先进的小目标分割模型CaraNet(ContextAxialReverseAttentionNetwork).
Abstract：Non-smallcelllungcancer(NSCLC)willimperilhumanhealthseriously.ThetumornodulesattheearlystageofNSCLCaresosmallthatitisverydifficulttodetectthemintheCT(ComputedTomography)images,whichwilleasilyleadtothemisseddiagnosisandmisdiagnosisofNSCLS.ToautomaticallysegmentthesmalltumornodulesinCTimagesofNSCLCaccurately,theSOSNet(SmallObjectSegmentationNetworks)modelisproposed.TheResNet(Residu-alNetwork)baselayerandthedilatedconvolutionareadoptedtoconstructtheasymmetricencoder-decoderstructuretobethesegmentationmainnetworkofSOSNet.TheARA(AxialReverseAttention)moduleisadoptedtograduallyerasethosestructureswhichmayinfluencethesegmentationresultsfromthebackground.ThentheSR(StructureRefinement)moduleisusedtorefinetheroughfeaturemapsoutputtedbythemainnetwork,soastoachievethesegmentationforNSCLCtumornodules.ExperimentalresultsontheopenaccessNSCLCdatasetsdemonstratethattheproposedSOSNetmodelcaneffec-tivelysegmentsmallvolumetumornodulesinCTimagesofNSCLC.Itissuperiortothestate-of-the-artsmallobjectseg-mentationmodelofCaraNetintermsofmDice(meanDice),mIoU(meanIntersectionoverUnion),Sensitivity,F1,Speci-ficityandMAE(MeanAbsoluteError),respectively.
作者：谢娟英 张凯云Author：XIEJuan-ying ZHANGKai-yun
作者单位：陕西师范大学计算机科学学院,陕西西安710119
刊名：电子学报 ISTICEIPKU
Journal：ActaElectronicaSinica
年，卷(期)：2024, 52(3)
分类号：TP181TP391
关键词：小目标分割 非小细胞肺癌 非对称编码器-解码器 结构细化 轴向取反注意力 CT图像 深度学习 卷积
Keywords：smallobjectsegmentation non-smallcelllungcancer asymmetricencoder-decoderframework struc-turerefinement axialreverseattention CTimages deeplearning convolution
机标分类号：TP391.41R734.2R814.42
在线出版日期：2024年5月16日
基金项目：SOSNet:一种非对称编码器-解码器结构的非小细胞肺癌CT图像分割模型[
期刊论文] 电子学报--2024, 52(3)谢娟英 张凯云非小细胞肺癌严重损害人类健康,早期非小细胞肺癌CT(ComputedTomography)图像中的肿瘤结节体积小,不易发现,极易造成漏诊和误诊.为了精确分割非小细胞肺癌CT图像中的小体积肿瘤结节,本文提出SOSNet(SmallObjectSegme...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
SOSNet:一种非对称编码器-解码器结构的非小细胞肺癌CT图像分割模型 SOSNet:An Asymmetric Encoder-Decoder Structure Model for Automatic Segmenting Non-Small Cell Lung Cancer CT Images
SOSNet:一种非对称编码器-解码器结构的非小细胞肺癌CT图像分割模型.pdf
- 文件大小:
- 2.08 MB
- 下载次数:
- 60
-
高速下载
|
|
