[发明专利]一种基于轻量级UNet++网络的脑肿瘤分割算法

摘要

本发明提出一种基于UNet++网络模型改进的轻量化脑肿瘤分割算法。针对脑肿瘤磁共振成像(MRI)多模态精准分割，UNet++网络模型通过密集的长短连接使其网络结构语义连结紧密，但密集连接使UNet++网络出现计算量增大和参数量增多的问题，导致UNet++网络训练时间缓慢，并对硬件设备提出了更高的要求。轻量级UNet++网络模型用轻量级残差模块代替UNet++系列的双层卷积结构，降低网络的计算复杂度和参数量。网络模型中密集连接导致每层拼接后得到的特征图通道数较大，而有些通道的特征对于分割任务来说并没有实际意义，在特征图后添加CBAM注意力机制，学习筛选参数，关注有用信息，提升网络分割精度。在最后一次下采样中应用轻量级类残差模块，通过轻量级类残差模块的通道拼接更好的保存和利用深层有效特征，在减少训练时间的同时，进一步提高脑肿瘤分割精度。