摘  要：针对 U-Net 分割算法无法提取多尺度特征、易受到伪影和噪声干扰而导致在肺部 X 射线图像中肺实质分割不精确的问题，提出一种基于选择性自校正卷积的 U-Net 改进算法。改进后的 U-Net 算法将普通卷积模块替换为选择性自校正卷积模块，该模块采用多分支结构提取多尺度特征信息，使用 Sigmoid 函数和 Softmax 函数对多尺度特征信息进行选择性校正，使校正后的特征信息聚焦于肺实质区域，输出特征更加具有针对性。实验表明，该方法对骰子系数、交并比、F₁评分结果以及对肺实质分割结果都有一定程度的提升。

论文下载：

10.pdf

  浏览次数：