近日，团队成员李丽在潘家辉老师和彭丰平老师的指导下，在国际EI会议International Conference on Computer, Vision and Intelligent Technology 2023（ICCVIT 2023）发表研究论文《Improved 3D Multiscale V-Net Network-based Segmentation of Lung Nodules》。

准确分割肺结节在临床上具有重要意义。计算机断层扫描（Computer tomography, CT）技术以其成像速度快、图像分辨率高等优点广泛应用于肺结节分割及功能评价中。由于CT图像是三维图像, 原始的V-Net模型在分割中出现漏检及边界分割不清晰以及损失函数Dice使训练不稳定问题, 本文提出一种MSV-Net网络和联合损失函数结合起来的网络模型来提高肺结节分割的准确性和训练的稳定性。如图1所示，该网络模型在V-Net网络的基础上使用多尺度卷积进行特征提取模块来替换原有的5×5×5卷积，通过不同尺度的特征融合，解决由于肺结节小不易分割的问题. 同时我们在V-Net网络残差连接基础上加一条短跳跃连接, 使得整个网络更好利用全局特征. 联合损失函数选择结合Dice和交叉熵损失函数进行融合, 可以很好的解决训练不稳定问题。本文提出的MSV-Net网络模型和联合损失函数在平均分割准确率PA达到0.99，DSC达到0.837。实验结果表明, 该方法在提高肺结节分割精度方面具有一定的效果.

图1 3D多尺度 V-Net网络模型

本届计算机、视觉与智能技术国际会议于2023年8月25日-28日在湖南郴州湘南学院召开。ICCVIT 2023聚焦计算机、视觉和智能技术，旨在为专家、学者和研究人员提供一个国际平台，分享研究成果，讨论问题和挑战，探索前沿技术。诚邀高校、科研院所、企业等有关方面的专家学者参加会议。