计算机工程与科学

作者：邱晓梦, 王琳, 谷文俊, 宋伟, 田浩来, 胡誉

单位：（1.郑州大学河南省大数据研究院，河南 郑州 450052；2.郑州大学计算机与人工智能学院，河南 郑州 450001；3.北京唯迈医疗设备有限公司，北京 100000；4.中国科学院高能物理研究所，北京 100049）

关键词：U-Net,光流,医学图像,语义分割,深度学习,

基金：河南省科技攻关计划国际合作项目（172102410065）；河南省高等学校重点科研项目（22A520010）；基于人工智能的高能物理大数据技术研究与示范（E22951S311）。

医学成像技术的发展带来了海量的医学图像数据，这些图像反映了生物体的内部结构特征，医学图像分割技术可以提高医疗人员的诊断效率，从而成为现代医疗诊断的重要辅助手段之一。然而成像过程中不可避免地会出现噪声或伪影，它们给分割工作带来了极大的挑战。现有的分割模型中，单帧医学图像语义分割模型未考虑图像帧与帧之间的关系，视频语义分割模型虽利用了时序信息，但在边缘提取上有所欠缺。为了解决以上问题，提出了一种以U-Net为骨干，用光流法进行修正的时序语义分割模型。该模型能够提取视频前后帧之间的光流信息，并对当前帧与光流进行特征提取与权重分配，以达到修正的效果。实验结果表明，在果蝇电镜图、腹部综合器官图和冠状动脉造影图这些不同类型的数据集上，该模型在相似性系数、像素准确率和交并比这3个评价指标上都获得了最优结果，验证了所提模型的有效性和泛化性。

来源：2024年第1期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2024年第1期