为了解决上述问题,作者提出了一种新的用于CT切片的COVID-19肺部感染分割深度网络(Inf-Net)。 二、模型与方法 2.1 数据集 作者建立了一个半监督的COVID-19感染分割(COVID-SemiSeg)数据集,包含COVID-19 CT分割数据集里19个病人的100份有标签CT切片和COVID-19 CT收集数据集的1600张无标记图像。在这个工作中,作...
构建了一个COVID-19半监督感染分割(COVID-SemiSeg)数据集,包括100张来自COVID-19 CT分割数据集的标记CT切片和1600张来自COVID-19 CT采集数据集的未标记图像。 方法 Inf-Net CT图像首先被送入两个卷积层,提取高分辨率,语义上较弱(低层次)的特征。在此,增加了边缘注意模块来明确地改善目标区域边界的表示。然后...
此外,为了缓解标记数据不足的问题,我们提出了一种基于随机选择传播策略的半监督分割框架,该框架只需要少量标记图像,主要利用未标记数据。 在COVID-SemiSeg和真实CT体积上进行广泛实验表明,Inf-Net性能优于大多数尖端分割模型,并提高了当前的性能水平。 作者指出其动机源于临床医生在肺部感染检测过程中,首先对感染区域进...