3D SE-ResNet:一种从CT图像中自动分割COVID-19肺部感染模型

摘要

受新型冠状病毒感染的肺部,在胸部CT图像中表现出非常明显的病理特征,为此开发了一种自动分割模型能够帮助医生进行有效的诊断和分析.基于3D U-Net分割框架,提出了一种结合挤压与激励模块和注意力机制结合的3D SE-ResNet深度学习模型.采用包含200张COVID-193D CT图像数据集并通过大量的数据增强后对模型进行了训练和评估.实验结果表明:所提出的模型Dice指标达到了87.00%,与基于3D ResNet和3D U-Net网络模型实验相比,分别提升2.85%和1.03%.可以看出,3D SE-ResNet网络模型能在冠状病毒感染区域分割实现较高精度.