科创中国

电子信息技术

本发明提出一种基于改进CE-Net的肺炎CT图像感染区分割方法及系统,首先,在编码阶段加入注意力机制SE模块引入全局上下文信息,增强特征提取阶段的感受野,加大目标相关特征通道的权重,从而提高小目标的分割能力。其次,引入特征聚合模块,采用双线性插值的方法,融合了不同层次的图像特征,得到更具有判别能力的表达,进一步提高网络的分割精度。本发明在COVID-19-CT-Scans数据集上能够更好的捕捉到CT图像中的肺炎感染区域特征,并有良好的分割效果,对比原始CE-Net网络和其它分割算法在整体上都有显著的提高。

一种基于改进CE-Net的肺炎CT图像感染区分割方法,其特征在于,包括以下步骤：步骤S1：数据集的数据预处理,将所有CT图像进行图像增强,并寻找出肺实质的轮廓,将轮廓以外的部分裁剪；步骤S2：将步骤S1获得的预处理后的图像输入到网络的编码部分,分别通过残差块ResNet和注意力机制模块SE以提取图的基础特征；步骤S3：将步骤S2所得到的特征输入密集空洞卷积DAC和残差多核池RMP,用于捕获更多的高级特征并保留更多的空间信息；步骤S4：将步骤S2的到的不同尺度的特征输入特征融合模块；所述特征融合模块FAM利用双线性插值的方法将编码过程中得到的不同尺寸的卷积块融合在一起,从而达到特征重用的目的；表达式具体如下；F-(FAM)＝(F-1+f-I(F-2)+f-I(F-3))F-(FAM)为融合后的特征,F-i是编码部分第i层输出,f-I为插值函数；步骤S5：将步骤S3得到的特征与步骤S4融合后的特征相加后输入到网络的解码器部分,通过上采样和反卷积处理得到分割后的结果

福建大学信息学研究和软件开发团队是由多名软件开发经验丰富的教师和学生组成，目前取得软件著作权80多项。福州大学（Fuzhou University），简称福大，位于福建省福州市，创建于1958年，是国家“双一流”建设高校，国家“211工程”建设高校，国家教育部、国家国防科技工业局与福建省人民政府共建高校，福建省三所重点建设的高水平大学之一，福建省一流大学建设高校。