[发明专利]一种基于改进的Unet网络的肺炎CT影像分割方法

权利要求书

1.一种基于改进的Unet网络的肺炎CT影像分割方法，其特征在于，包括如下步骤：

S1：获取待分割的肺炎CT影像；

S2：图像预处理；

S3：建立改进后的Unet网络结构：以原始Unet的U型网络结构为基础，在编码器原有卷积模块引入残差结构，在编码器与解码器连接处引入ASPP(Atrous Spatial PyramidPooling)模块，在跳跃连接处引入CA(Coordinate Attention)注意力机制模块；

S4：利用完成预处理的肺炎CT影像对改进后的Unet网络进行训练；

S5:将待分割的肺炎CT影像测试集输入训练好的改进后的Unet网络获取分割结果。

2.根据权利要求1所述的一种基于改进的Unet网络的肺炎CT影像分割方法，其特征在于，步骤S2所述影像预处理包括将肺炎CT影像裁剪为512×512大小，采用基于概率的水平翻转、基于高斯函数的随机模糊、随机扭曲的方式进行数据增强，并将像素值归一化为零均值和单位方差。

3.根据权利要求1所述的一种基于改进的Unet网络的肺炎CT影像分割方法，其特征在于，步骤S3所述建立改进后的Unet网络结构，其中改进的Unet网络结构由编码器、解码器、连接编码器与解码器的ASPP模块、跳跃连接4部分组成，编码器分为4层，进行4次下采样，第一层由一个标准卷积模块和一个下采样模块组成，后三层均由一个引入残差结构的改进卷积模块和一个下采样模块组成；解码器分为4层，进行4次上采样；ASPP模块位于编码器与解码器的连接处，获取不同尺度的影像信息；CA注意力模块位于跳跃连接处，增强对关注对象的表示，具有轻便性，节省计算开销。

4.根据权利要求1所述的一种基于改进的Unet网络的肺炎CT影像分割方法，其特征在于，步骤S3所述建立改进后的Unet网络结构，其中在编码器后三层原有卷积模块引入的残差结构使输入信息经由两条路径处理后将结果相加作为输出，在一条路径中输入信息两次经过批量标准化层、Relu激活函数和3×3卷积层，在另一条路径中输入信息分别经过3×3卷积层和批量标准化层，利用该结构能够在网络层数增加的情况下有效解决梯度消失或梯度爆炸等问题，提高模型分割性能。

5.根据权利要求1所述的一种基于改进的Unet网络的肺炎CT影像分割方法，其特征在于，步骤S3所述建立改进后的Unet网络结构，其中在编码器与解码器连接处引入的ASPP模块由5条分支并联而成，分支1为大小为1×1的卷积核；分支2为大小为3×3的卷积核、扩张率为6的空洞卷积；分支3为大小为3×3的卷积核、扩张率为12的空洞卷积；分支4为大小为3×3的卷积核、扩张率为18的空洞卷积；分支5为1×1的全局平均池化层，大小为1×1的卷积核和上采样层；最后将五条分支获得的特征图进行拼接后送入大小为1×1卷积层，得到输出特征图；ASPP模块利用不同扩张率的空洞卷积获取不同尺度的影像特征信息。

6.根据权利要求1所述的一种基于改进的Unet网络的肺炎CT影像分割方法，其特征在于，步骤S3所述建立改进后的Unet网络结构，其中在跳跃连接处引入的CA注意力机制模块将输入特征图在高度和宽度方向上进行全局平均池化操作，将获得全局感受野的高度和宽度方向上的特征图拼接，送入1×1卷积模块，再分别编码为两个注意力图，得到输入特征图在高度和宽度方向上的注意力权重，通过乘法应用于输入特征图，CA注意力机制增强对关注对象的表示和对不相关背景区域的抑制，同时避免产生显著的计算开销，具有轻量级的优势。