针对受肺肩区域和胸膈角以及肋骨影响胸部肺野难以准确分割的问题，提出了一种改进的u-net网络的肺野分割算法。首先使用inception模块代替u-net编码块中的卷积层，增加网络宽度的同时能够捕获更多图像特征；其次，在编码块与解码块中引入残差网络，提升网络深度且保证网络稳定；然后，在编码与解码之间使用跳跃连接来增强特征的传递和利用，解决编码部分连续下采样对胸部肺野特征丢失的问题，最后在编码与解码部分结合通道和空间注意力机制来对图像特征进行重标定，从而有效提高分割精度。在公开的Montgomery County (MC)数据集上实验表明，本文所提算法的准确性、召回率、特异性、Miou(均交并比)分别为98.90%、97.81%、99.28%、97.17%。与其他分割算法对比，改进u-net算法能够对肺野精准分割，具有更高分割性能。
暂无评论