来源：期刊VIP网 时间：
作者：石勇涛;邱康齐;柳迪;杜威;
单位：三峡大学计算机与信息学院;三峡大学湖北省水电工程智能视觉监测重点实验室;
摘要：语义分割作为肺部影像分析的关键步骤，其准确率直接关系进一步的图像分析和治疗决策。面对肺部器官不规则外形、模糊边界以及噪声等问题，传统分割方法存在边界分割精确度不高、易出现误差等问题。针对这些挑战，文中提出一种基于多尺度边缘特征融合的神经网络（MSB-AffTransU2Net）用于肺部图像的分割。首先，替换了TransUNet中的编解码器，采用U~2-Net的RSU模块来增强特征提取的性能；然后，使用注意力特征融合机制替换原本的Concat方法，以减少模型参数并且提升特征的融合效果；接着，加入了多尺度特征提取器以及边界引导的上下文聚合模块，以融合提取更加精确的肺部边缘特征；最后，为优化模型损失函数，采纳了Dice损失与交叉熵损失，创建了一个新颖的损失函数。在COVID-19Radiography Database的COVID类数据集上验证了所提算法的有效性。实验结果证明，MSB-AffTransU2Net在COVID数据集上的前景交并比（pIoU）和平均准确率（mAcc）与TransUNet算法相比，分别提高了3.03%和0.72%，证明了所提算法的有效性。
关键词：COVID-19;;肺部图像分割;;TransUNet;;边缘特征;;边界引导的上下文聚合模块;;注意力特征融合
基金资助：国家自然科学基金资助项目(61871258);; 湖北省中央引导地方科技发展专项资助项目(2019ZYYD007)
