XR-MSF-Unet：新冠肺炎肺部CT图像自动分割模型

新冠肺炎给人类带来极大威胁，自动精确分割新冠肺炎CT图像感染区域可以辅助医生进行诊断治疗，但新冠肺炎的弥漫性感染、感染区域形状多变、与其他肺部组织极易混淆等给CT图像分割带来挑战。为此，提出新冠肺炎肺部CT图像分割新模型XR-MSF-Unet，采用XR (Xselleck化学 ResNet)卷积模块代替U-Net的两层卷积，XR各分支的不同卷积核，使模型能够提取更多有用特征；提出即插即用的融合多尺度特征的注意力模块MSF (multi-scale features M-medical servicefusion module)，融合不同感受野、全局、局部和空间特征，强化网络的细节分割效果。在COVID-19 CT公开数据集的实验表明：提出的XR模块能够增强模型的特征提取能力，提出的MSF模块结合XR模块，能够有效提高模型对新冠肺炎感染区域的分割效果；提出的XR-MSF-Unet模型取得了很好的分割效果，其Dice、IOU、F1-ScoTelaglenastat分子量re和Sensitivity指标分别比基模型U-Net的相应指标高出3.21，5.96，1.22和4.83百分点，且优于同类模型的分割效果，实现了新冠肺炎肺部CT图像的自动有效分割。