华南理工大学学报(自然科学版)

作者：马金林, 酒志青, 马自萍, 夏明格, 张凯, 程叶霞, 马瑞士

单位：1.北方民族大学 图形图像智能信息处理国家民委重点实验室，宁夏 银川 7500212.北方民族大学 计算机科学与工程学院，宁夏 银川 7500213.北方民族大学 数学与信息科学学院，宁夏 银川 7500214.中国移动通信有限公司，北京 100033

关键词：肝肿瘤图像分割,卷积核重构,空间金字塔池化,多尺度特征融合

基金：国家自然科学基金项目(62462001);宁夏回族自治区自然科学基金项目(2024AAC03147);北方民族大学中央高校基本科研业务费专项资金项目(2023ZRLG02);宁夏回族自治区高等学校科学研究项目(NYG2024066)

针对肝肿瘤图像特征表达能力不足和全局上下文信息传递受限的问题，该文提出一种基于改进U-Net的肝肿瘤图像分割方法。首先，设计了一种低秩重构卷积来优化传统卷积运算所导致的大量参数问题，并用其构建使用残差结构改进编解码器的卷积核重构模块，使编码器保留更多的细节信息，并使解码器能更有效地恢复信息，以提升肝肿瘤图像特征的表达能力。然后，为丰富全局上下文信息的传递，设计了三分支空间金字塔池化模块来优化瓶颈结构的信息传递，打破单一路径的限制。接着，设计了多尺度特征融合模块来优化编码器信息的复用机制，增强模型对全局上下文信息的建模能力，并提升其在提取不同尺度肝肿瘤图像特征时的效能。最后，在LiTS2017和3DIRCADb数据集上对该文方法的性能进行了测试。实验结果表明：在LiTS2017数据集上的肝脏图像分割任务中，该文方法的Dice系数和IoU值分别达97.56%和95.25%，在肝肿瘤图像分割任务中的Dice系数和IoU值分别达89.71%和81.58%；在3DIRCADb数据集上的肝脏图像分割任务中，该文方法的Dice系数和IoU值分别达97.63%和95.39%，在肝肿瘤图像分割任务中的Dice系数和IoU值分别达89.62%和81.63%。

来源：2025年第5期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2025年第5期