基于改进U-Net网络的新冠病毒CT图像分割.pdf

此“医疗卫生”领域文档为创作者个人分享资料，不作为权威性指导和指引，仅供参考

1、本文档共6页，可阅读全部内容。
2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。

第40卷第7期算机仿真2023年7月

文章编号：1006-9348（2023）07-0154-05

基于改进U-Net网络的新冠病毒CT图像分割

陈成，张正，肖迪

（南京工业大学电气工程与控制科学学院，江苏南京211816）

摘要：新冠病毒2019(COVID-19)在过去一年内严重威胁人类生命和健康。全球经济、教育、交通等方面都受到了影响。为

了尽快解决新冠病毒引起的问题，快速准确判断人们是否感染是非常重要的。以U-Net为基本框架，采用多尺度特征提取

模块，并在反卷积过程中加人位置信息，将图像的全局信息和局部信息充分结合，提出改进模型并应用于COVID-19CT图

像集。上述模型通过深度学习自动分割COVID-19CT图像的左右肺、病灶和背景四部分。最后对分割结果进行了评价，达

到了预期的效果。有助于医务人员快速识别感染部位。

关键词：新冠病毒；医学图像分割；多尺度特征；位置信息

中图分类号：TP183文献标识码：B

SegmentationofCOVID-19CTImagesBasedonU-NetNetworks

CHENCheng,ZHANGZheng,XIAODi

(CollegeofElectricalEngineeringandControlScience,NanjingTechUniversity,NanjingJiangsu211816,China)

ABSTRACT:CoronaVirusDisease2019(COVID-19)hasseriouslythreatenedhumanlifeandhealthinthepast

year.Theglobaleconomy,education,transportation,andotheraspectshavebeenaffected.Inordertosolvethe

problemscausedbyCOVID-19assoonaspossible,itisveryimportanttoquicklyandaccuratelydeterminewhether

peopleareinfected.Inthispaper,wetakeU-Netasthebasicmodel,adoptamulti-scalefeatureextractionmodule

andaddpositioninformationinthedeconvolutionprocesstofullycombinetheglobalinformationandlocalinformation

oftheimage.WeproposeamodelsuitablefortheCOVID-19CTimagesets.Themodelcanautomaticallysegment

fourparts(leftandrightlung,disease,andbackground)ofCOVID-19CTimagesthroughdeeplearning.Theseg-

mentationresultsareevaluatedandtheexpectedresultsareachieved.Itishelpfulformedicalstafftoquicklyidentify

theinfectionarea.

KEYWORDS:COVID-19;MedicalImagesegmentation;Multi-scalefeature;Positioninformation

每周新

安全评价师持证人

该用户很懒，什么也没介绍

咨询Ta 进入空间

领域认证该用户于2023年09月13日上传了安全评价师

更多 >