-
题名基于PPLC-UNet的轻量级肝脏分割算法
- 1
-
-
作者
张鸿鑫
胡经蒙
诸峰
刘庆华
杨欣仪
赵梦迪
-
机构
江苏科技大学
苏州科技大学
-
出处
《计算机与数字工程》
2025年第8期2095-2100,共6页
-
基金
国家自然科学基金项目(编号:51008143,52275251)资助。
-
文摘
针对目前应用于肝脏分割的深度学习算法普遍存在参数量大、运行效率低的问题,提出了一种基于PPLC-UNet的轻量级肝脏分割算法。在具有编解码结构的U-Net算法模型基础上,采用轻量级模型PP-LCNet的骨干网络编码肝脏图像特征,减少算法模型的参数量,解码部分加入改进的SE注意力模块与残差结构,提高有效特征的利用率,使用混合损失函数Mix Loss训练算法模型,加快学习速度的同时提升模型准确率。在公开的肝肿瘤分割竞赛LiTS2017数据集上开展实验,结果显示,PPLC-UNet算法模型的参数量为3.88 MB,Dice系数达到了90.86%,单张肝脏CT切片图像的预测时间约为7.36 ms,是一种性能优越的轻量级算法模型,可用于协助医生进行肝脏疾病的诊断。
-
关键词
肝脏分割
pplc-unet
编解码结构
注意力模块
轻量级
-
Keywords
liver segmentation
pplc-unet
codec structure
attention module
lightweight
-
分类号
R318.14
[医药卫生—生物医学工程]
-
