杜佳成，余艷梅，汪恩惠，陶青川

（四川大學(xué)電子信息學(xué)院，成都 610065）

0 引言

肺癌是我國第一大癌癥，發(fā)病率較高［1］。研究發(fā)現(xiàn)，及時診斷和治療能夠減少肺癌病人的死亡率［2］。相比X 射線，CT 能準(zhǔn)確觀察到病灶位置，為早期肺癌診斷提供準(zhǔn)確的診斷依據(jù)［3］。然而每次CT 斷層掃描都會生成幾百幀肺CT 圖像，給醫(yī)生診斷帶來挑戰(zhàn)。準(zhǔn)確分割肺實(shí)質(zhì)能幫助醫(yī)生快速定位病灶，為后續(xù)肺結(jié)節(jié)檢測、肺功能評估創(chuàng)造條件，輔助醫(yī)生快速診斷病情。

基于深度學(xué)習(xí)的肺實(shí)質(zhì)分割算法速度更快，精度更高，是目前研究的熱點(diǎn)。Ronneberger等［4］提出一種對稱的編解碼模型U-Net，編碼器利用下采樣縮小特征圖分辨率，捕獲上下文信息，解碼器利用上采樣恢復(fù)圖像分辨率，二者用跳躍連接相連，保證解碼器在上采樣時能夠融合更多高層特征圖包含的高分辨率細(xì)節(jié)信息，目前已成為醫(yī)學(xué)圖像分割的主流結(jié)構(gòu)。Alom等［5］提出了一種基于U-Net 模型的遞歸卷積神經(jīng)網(wǎng)絡(luò)RU-Net 和一種基于U-Net 模型的遞歸殘差卷積神經(jīng)網(wǎng)絡(luò)R2U-Net，利用遞歸殘差卷積層增強(qiáng)網(wǎng)絡(luò)提取特征的能力，增加網(wǎng)絡(luò)深度。Asadi-Aghbolaghi 等［6］提出一種具有密集連接卷積和雙向卷積LSTM（long short-term memory）［7］分割模型MCGU-Net，雙向卷積LSTM 以非線性的方式將上采樣后的特征圖與相應(yīng)編碼器輸出的特征圖相結(jié)合，同時使用密集連接卷積加強(qiáng)特征傳播。

注意力機(jī)制已被廣泛應(yīng)用于提高網(wǎng)絡(luò)模型性能［8］，其基本思想是讓網(wǎng)絡(luò)像人一樣聚焦于重點(diǎn)信息，即把注意力放在感興趣區(qū)域上。Oktay等［9］提出的Attention U-Net，利用注意力機(jī)制讓U-Net 模型更集中于前景像素，提高了模型的分割性能。然而現(xiàn)有的注意力機(jī)制通常采用平均池化或最大池化來處理通道，計(jì)算量大且會丟失空間信息。協(xié)調(diào)注意力機(jī)制［10］避免既考慮通道之間的關(guān)系，也考慮特征空間中的位置信息，能夠有效加強(qiáng)對前景信息的特征表示。

密集連接卷積［11］能幫助網(wǎng)絡(luò)學(xué)習(xí)一組不同的特征圖，允許信息在網(wǎng)絡(luò)中流動以提高網(wǎng)絡(luò)的表示能力。空洞卷積能夠在擴(kuò)大感受野的同時保持較高分辨率［12］，幫助模型精確定位前景像素。Gu 等［13］提出的密集空洞卷積模塊，利用多尺度空洞卷積提取豐富的特征表示。

目前MGCU-Net［6］模型在LUNA16 數(shù)據(jù)集和Kaggle 肺分割數(shù)據(jù)集取得了較優(yōu)的結(jié)果，但其在邊緣細(xì)節(jié)上的分割效果不太理想，存在以下問題：①未充分利用上下文信息，連續(xù)經(jīng)過4次下采樣容易丟失特征信息，影響分割效果。②肺部CT 圖像背景信息復(fù)雜導(dǎo)致模型容易混淆前景和背景像素，降低邊緣分割精度。針對以上問題，本文提出了一種基于MGCU-Net改進(jìn)的肺實(shí)質(zhì)分割網(wǎng)絡(luò)CAMCGU-Net。主要有以下兩方面的貢獻(xiàn)：

（1）在上采樣層后加入?yún)f(xié)調(diào)注意力模塊，增強(qiáng)模型對于特征信息的學(xué)習(xí)能力，幫助網(wǎng)絡(luò)更好地定位感興趣區(qū)域，減少背景區(qū)域，提高模型的分割精度。

（2）在密集連接卷積層的基礎(chǔ)上增加空洞卷積，編碼器輸出后連接4個密集連接的空洞卷積塊，幫助模型獲取多尺度特征信息。

1 基于MCGU-Net改進(jìn)的肺分割模型框架

本文基于MCGU-Net 改進(jìn)的CAMCGU-Net 網(wǎng)絡(luò)模型如圖1 所示，其中在MCGU-Net 框架上新增的協(xié)調(diào)注意力模塊和密集連接的空洞卷積塊用虛線框框出。整個模型包含編碼器和解碼器，二者中間使用4 個密集連接的空洞卷積塊連接，幫助網(wǎng)絡(luò)提取豐富多尺度特征信息，避免梯度爆炸。編碼器主要從輸入圖像中提取特征信息，它由卷積層和最大池化層組成，通過不斷縮小特征圖的空間尺寸來學(xué)習(xí)細(xì)節(jié)特征信息。解碼器將編碼器輸出的特征信息進(jìn)行進(jìn)一步的優(yōu)化，它由上采樣層和協(xié)調(diào)注意力模塊組成，上采樣層將經(jīng)過編碼器后縮小的特征圖恢復(fù)到原來的尺寸，以便于進(jìn)一步的分割計(jì)算。協(xié)調(diào)注意力模塊能夠幫助解碼器更好地定位到感興趣區(qū)域，增強(qiáng)網(wǎng)絡(luò)學(xué)習(xí)特征的表達(dá)能力。CAMCGU-Net模型中使用雙向卷積LSTM 加權(quán)融合相應(yīng)編碼器和解碼器的特征圖，更好地平衡來自不同尺度的特征，以提升分割精度。

圖1 CAMCGU-Net網(wǎng)絡(luò)模型

2 算法介紹

本文提出的肺實(shí)質(zhì)分割網(wǎng)絡(luò)CAMCGU-Net的主要改進(jìn)如下：在上采樣后引入了協(xié)調(diào)注意力模塊，以幫助模型聚焦于前景像素；同時在原密集連接卷積塊中引入了空洞卷積，以幫助模型捕獲多尺度特征信息。下面將分別介紹協(xié)調(diào)注意力模塊和空洞卷積模塊。

2.1 協(xié)調(diào)注意力模塊

協(xié)調(diào)注意力模塊的示意圖如圖2所示，它能高效整合空間坐標(biāo)信息，分別獲取圖像在高度和寬度上的注意力并對準(zhǔn)確位置信息進(jìn)行編碼，能對網(wǎng)絡(luò)中的任意中間特征張量進(jìn)行轉(zhuǎn)換并輸出相同尺寸的張量。

圖2 協(xié)調(diào)注意力模塊示意圖［10］

2.2 密集連接的空洞卷積模塊

本文在密集連接卷積的基礎(chǔ)上增加空洞卷積，來幫助模型獲取多尺度特征信息。具體來說，本文將兩個空洞卷積層作為一個密集連接的空洞卷積塊，在編碼器的最后一個卷積層中，連接4 個密集連接的空洞卷積塊，如圖3 所示。幫助模型獲取豐富多尺度特征的同時，避免梯度爆炸。第i個密集空洞卷積塊的輸入如公式（1）所示：

圖3 CAMCGU-Net中的密集空洞卷積模塊

式中為第j個密集空洞卷積塊的輸出。

3 實(shí)驗(yàn)結(jié)果與分析

3.1 實(shí)驗(yàn)環(huán)境

本文實(shí)驗(yàn)采用的硬件設(shè)備和軟件環(huán)境如表1所示。

表1 實(shí)驗(yàn)環(huán)境

本次實(shí)驗(yàn)訓(xùn)練和驗(yàn)證的batch size 均為4，總共訓(xùn)練200 個批次。實(shí)驗(yàn)中使用早停法（Early Stopping）來避免訓(xùn)練批次過多導(dǎo)致出現(xiàn)模型過擬合。具體做法是在每個批次結(jié)束后，在驗(yàn)證集上進(jìn)行測試，如果驗(yàn)證精度連續(xù)10 個訓(xùn)練批次均無增加，則停止訓(xùn)練，避免模型因訓(xùn)練過多導(dǎo)致過擬合。

合適的學(xué)習(xí)率能夠幫助模型在較短時間內(nèi)收斂到局部最小值，本文使用Keras 庫中ReduceLROnPlateau 方法配合早停法一起使用，避免因初始學(xué)習(xí)率過大導(dǎo)致訓(xùn)練后期模型性能不再提升。具體來說，如果驗(yàn)證損失在5個訓(xùn)練批次都沒有下降，模型會自動降低學(xué)習(xí)率繼續(xù)訓(xùn)練，從而繼續(xù)提升模型性能。通過兩種方法的配合使用，可以快速精確地獲得最優(yōu)模型。

3.2 數(shù)據(jù)集

本次實(shí)驗(yàn)采用2017 年Kaggle 數(shù)據(jù)科學(xué)碗中提供的肺分割數(shù)據(jù)集，該數(shù)據(jù)集內(nèi)同時包含二維和三維肺分割CT 圖像，且均帶有手動標(biāo)注，專門用于肺實(shí)質(zhì)分割。圖4 為Kaggle 肺數(shù)據(jù)集中的示例，左邊是原始肺CT 圖像，右邊是手工標(biāo)注的肺實(shí)質(zhì)圖像。我們將70%的數(shù)據(jù)用于訓(xùn)練集，剩下30%的數(shù)據(jù)用于測試集，每張圖片的尺寸為512×512。

圖4 Kaggle lung數(shù)據(jù)集示例

3.3 評估指標(biāo)

本次實(shí)驗(yàn)采用3個常用的圖像分割評估指標(biāo)用于評估模型的分割效果：準(zhǔn)確率（ACC）、特異性（SP）和F1 分?jǐn)?shù)。ACC表示模型預(yù)測正確的樣本占總樣本的比例，SP表示正確預(yù)測為背景的樣本占總背景的比例，F(xiàn)1 分?jǐn)?shù)是精確率和召回率的調(diào)和平均。

3.4 實(shí)驗(yàn)結(jié)果分析

為了充分檢驗(yàn)本文提出的CAMCGU-Net 模型的有效性，我們將CAMCGU-Net 和一些主流的肺實(shí)質(zhì)分割模型，如U-Net、RU-Net、R2U-Net、MCGU-Net 進(jìn)行了比較，實(shí)驗(yàn)結(jié)果如表2所示。

表2 實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)結(jié)果表明，本文提出的CAMCGU-Net模型在F1分?jǐn)?shù)，SP和ACC上均取得了更好的效果，相比于性能次之的MCGU-Net模型，F(xiàn)1分?jǐn)?shù)提升了0.25個百分點(diǎn)，SP提升了0.22個百分點(diǎn)，ACC提升了0.11 個百分點(diǎn)，說明本文提出的CAMCGU-Net模型在肺實(shí)質(zhì)的分割上性能更優(yōu)。

4 結(jié)語

本文提出一種基于MCGU-Net的肺實(shí)質(zhì)分割模型CAMCGU-Net，在Kaggle 肺分割數(shù)據(jù)集上進(jìn)行了對比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，本文提出的模型在評估指標(biāo)上均取得了更好的性能。