摘 要：肺癌对人类生命安全构成巨大的威胁，因此该文针对 CT 图像上出现的肺部结节特征不明显、形态大小不一且边界模糊不清的问题展开探讨，并给出基于 A-VNET 的系统针对肺部结节的划分方式。在该系统中设计了 V-net 框架，引入注意力机制，以突出某一局部位置的显著特点，从而改善模型的分割特性。在 LUNA16 数据集上做了分割实验，该方法 A-Vnet 的F1 分数比 V-Net 高 2%，显著地提升了肺结节的分割精度。
关键词：V-Net；注意力机制；LUNA16；肺结节
DOI:10.19850/j.cnki.2096-4706.2023.04.008
中图分类号：TP391；R734.2 文献标识码：A 文章编号：2096-4706（2023）04-0032-04
Design and Implementation of Lung Cancer Image Auxiliary Diagnosis System Based on Deep Learning
LIU Mengjie
(Taiyuan Normal University, Jinzhong 030619, China)
Abstract: Lung cancer poses a great threat to human life safety. Therefore, this paper discusses the problems of unclear features, different shapes and sizes, and blurred boundaries of lung nodules on CT images, and gives the classification method of lung nodules by A-VNET-based system. V-net framework is designed in the system, and Attention Mechanism is introduced to highlight the salient features of a local location, so as to improve the segmentation characteristics of the model. A segmentation experiment is conducted on LUNA16 dataset. The F1 score of A-Vnet is 2% higher than that of V-Net, which significantly improves the segmentation accuracy of lung nodules.
Keywords: V-Net; Attention Mechanism; LUNA16; lung nodule
参考文献：
[1] 周清华，范亚光，王颖，等 . 中国肺部结节分类、诊断与治疗指南：2016 年版 [J]. 中国肺癌杂志，2016，19（12）：793-798.
[2] ARMATO S G，GIGER M L，MORAN C J，et al. Computerized detection of pulmonary nodules on CT scans [J]. Radiographics，1999，19（5）：1303-1311.
[3] 魏颖，徐心和，贾同，等 . 基于多尺度形态学滤波的 CT 图像疑似肺结节提取 [J].东北大学学报：自然科学版，2008，29（3）： 312-315.
[4] 刘慧，张彩明，邓凯，等 . 改进局部自适应的快速 FCM肺结节分割方法 [J]. 计算机辅助设计与图形学学报，2014，26（10）：1727-1736.
[5] 陈业航，李智，冯宝，等 . 基于改进的活动轮廓模型的胸膜接触型肺结节分割 [J]. 仪器仪表学报，2019，40（11）：107-116.
[6] MILLETARI F，NAVAB N，AHMADI S A. V-Net: Fully Convolutional Neural Networks for Volumetric Medical Image Segmentation [C]//2016 Fourth International Conference on 3D Vision （3DV）.Stanford：IEEE，2016：565-571.
[7] 高慧明 . 基于卷积神经网络的肺结节检测及良恶性分类方法研究 [D]. 太原：太原理工大学，2019.
[8] MNIH V，HEESS N，GRAVES A，et al. Recurrent Models of Visual Attention [J/OL]. arXiv：1406.6247 [cs.LG].[2022-09-18]. https：//arxiv.org/abs/1406.6247v1.
[9] OKTAY O，SCHLEMPER J，FOLGOC L L，et al. Attention U-Net: Learning Where to Look for the Pancreas [J/OL]. arXiv:1804.03999 [cs.CV].[2022-09-18].https://arxiv.org/abs/1804.03999.[10] 陈铭，梅雪，朱文俊，等 . 一种新型 MobileUnet 网络的
肺结节图像分割方法 [J]. 南京工业大学学报：自然科学版，2021，44（1）：76-81+91.
[11] 李传林，黄风华，胡威，等 . 基于 Res ＿ AttentionUnet 的高分辨率遥感影像建筑物提取方法 [J]. 地球信息科学学报，2021，23（12）：2232-2243.
[12] 门靖茹，王泽荣，张富春，等 . 基于多尺度改进的 V-Net肺结节分割方法研究 [J].延安大学学报：自然科学版，2022，41（1）：115-120.
[13] 高一鸣 . 基于 Gmac 模型的肺结节分割 [D]. 武汉：华中科技大学，2011.
作者简介：刘梦洁（1997—），女，汉族，河南南阳人，硕士研究生在读，研究方向：图像处理。