基于边缘监督的肝部超声图像包膜分割网络

肝纤维化、肝硬化的早期发现对临床治疗和预后评估具有重要意义.而肝包膜的形态和纹理特征是计算机辅助肝硬化诊断的重要依据.本文提出一种基于边缘监督的肝部超声图像包膜分割网络.该网络以常用的分割模型UNet为基础,引入空洞卷积,扩大感受野;同时,添加了边缘监督模块,从而将特征学习主要聚焦在图像梯度较大的部分;此外,还设计了混合加权损失函数,来缓解肝包膜部分与其他区域之间的极度不平衡情况.实验结果表明,本文提出的ES-UNet网络结构平均Dice系数相比原始UNet提高了0.1715,平均交并比(MIoU)提高了0.0215,其他指标也有较明显的提高,可见,本文算法的各个组件对模型分割性能的优化都有一定的贡献,改进后的模型可以实现肝包膜的精确分割.