《表4 Dense-UNet与其他网络分割结果对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《改进U-Net网络的肺结节分割方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

%

五种网络的分割结果的可视化如图6所示，图中第一列是输入模型的肺结节图像，第二列是医生标注的肺结节轮廓金标准，最后一列是使用本文算法对肺结节分割的结果。由于方法[12]和[18]忽略了多尺度特征融合的重要性，使得最终的分割结果非常粗糙，只能实现对肺结节的大致定位。对比观察图中最后四行的图像，肺结节在图像中所占比例较小，且其像素值与背景区域中的血管等组织相近，未改进的网络容易受到与病灶相似的干扰区域的影响，错误地将背景区域预测为肺结节区域，并且分割结果误差较大。相比之下，本文提出的Dense-UNet能够有效地区分肺结节与其他肺部组织，对肺结节轮廓的预测更为精确，同时分割结果中的假阳性样本也较少。综上所述，改进的Dense-UNet网络与其他分割网络相比，分割效果得到显著提升，在针对微小或边界模糊的肺结节的分割过程中鲁棒性高，具有良好的分割性能。