基于Unet+Attention的胸部CT影像支氣管分割算法

摘要： 目前肺氣管分割中，由于CT圖像灰度分布復(fù)雜，分割目標(biāo)像素近似，易造成過分割；而且肺氣管像素較少，難以得到更多目標(biāo)特征，造成細(xì)小肺氣管容易被忽略。針對這些難點(diǎn)，本研究提出結(jié)合Unet網(wǎng)絡(luò)和注意力機(jī)制的肺氣管分割算法，注意力機(jī)制使用的是關(guān)注通道域和空間域的卷積塊注意力模型(CBAM),該模型提高了氣管特征權(quán)重。在損失函數(shù)方面，針對原始數(shù)據(jù)中正負(fù)樣本失衡的問題，引入focal los... （共10頁）