基于U-net的肾脏肿瘤分割研究

刘 雨欣, 董 博婉, 韩 诗琪
西安工程大学

摘要


本文提出改进的Bayesian算法和U-Net模型，用于肾脏肿瘤的自动化分割与分类。该模型在U-Net架构中
嵌入高效通道注意力（ECA）模块，增强对小肿瘤特征的捕捉能力，同时引入贝叶斯推理层实现分类结果的不确定
性量化。通过多任务学习框架，模型共享编码器特征，在解码器分支输出肿瘤分割结果，在分类分支输出病理类型
概率分布及置信度评估。该方法将Dice相似系数和平均交并比分别提升至74.26%和69.48%，较U-Net均有显著提
高，能有效识别预测不确定性区域。临床验证显示，模型的不确定性热图与医生标注的疑难区域具有较高一致性，
为临床诊断提供了可靠的辅助决策依据。

关键词


Bayesian算法；改进的U-net模型；肾脏肿瘤分割

全文:

PDF


参考


[1]基于多头自注意力机制与U-Net的增强CT图像

肾脏小肿瘤自动分割研究。

[2]付建梅，任国凤，荀燕琴，等.人工智能赋能的

“数字信号处理”教学策略[J/OL].电气电子教学学报，

2025，（04）：115-119[2025-09-24].

[3]王治兵，吴丽丽.基于改进的MobilenetV3苹果叶

片病害图像识别技术[J].软件工程，2023，26（08）：20-

25. DOI：10.19644/j.cnki.issn2096-1472.2023.008.005.

[4]何继开.面向加壳技术的恶意软件静态检测研

究[D].北 京 邮 电 大 学，2022. DOI：10.26969/d.cnki.

gbydu.2022.002610.

[5]马焕.脑MRI多尺度结构影像组学方法在青少年

抑郁障碍诊断及治疗中的研究[D].昆明医科大学，2022.

DOI：10.27202/d.cnki.gkmyc.2022.001107.

[6]常博，孙灏芸，高清宇，等.传统方法和深度学

习用于不同模态心脏医学图像的分割研究进展[J].波谱学

杂志，2024，41（2）：224-244.


Refbacks

  • 当前没有refback。