论文部分内容阅读
喉白斑属于癌前病变，因此准确检测白斑病灶对于预防病情恶化和治疗至关重要。但喉镜图像中存在喉白斑边界模糊和易反光而不易分割的问题，因此，本文基于U-Net提出了改进的端到端的多尺度循环卷积神经网络MRU-Net来分割喉白斑病灶。首先，用限制对比度自适应直方图均衡化对喉镜图像进行增强，并用增强后的图像构造图像金字塔作为U型网络的多尺度输入。然后，利用多尺度卷积和递归卷积层(RCL)分别代替原来编码单元和解码单元的卷积层构造了一个新的U型网络。此外，使用多尺度输出层来生成不同尺度的特征图，其均值即为最终输出的预测结果。在喉镜图像数据集中选取649张诊断为喉白斑的喉镜图像进行分割训练与性能验证，MRU-Net取得了0.7843的F1和0.6611的Jaccard相似度以及0.8269的平均交并比，MRU-Net的整体性能优于其他的对比网络。