基于PPLC-UNet的轻量级肝脏分割算法
张鸿鑫1
胡经蒙1
诸峰1
刘庆华1
杨欣仪1
赵梦迪2
1.江苏科技大学 镇江 2121002.苏州科技大学 苏州 215011
摘要：针对目前应用于肝脏分割的深度学习算法普遍存在参数量大、运行效率低的问题,提出了一种基于PPLC-UNet的轻量级肝脏分割算法.在具有编解码结构的U-Net算法模型基础上,采用轻量级模型PP-LCNet的骨干网络编码肝脏图像特征,减少算法模型的参数量,解码部分加入改进的SE注意力模块与残差结构,提高有效特征的利用率,使用混合损失函数Mix Loss训练算法模型,加快学习速度的同时提升模型准确率.在公开的肝肿瘤分割竞赛LiTS2017数据集上开展实验,结果显示,PPLC-UNet算法模型的参数量为3.88 MB,Dice系数达到了90.86％,单张肝脏CT切片图像的预测时间约为7.36 ms,是一种性能优越的轻量级算法模型,可用于协助医生进行肝脏疾病的诊断.
关键词：肝脏分割PPLC-UNet编解码结构注意力模块轻量级
分类号：R318.14(医用一般科学)
资助基金：国家自然科学基金(51008143)国家自然科学基金(52275251)
论文发表日期：2025-08-20
在线出版日期：2025-12-12（本平台首次上网日期，不代表文献的发表时间）
页数：6( 2095-2100 )
英文信息