吉彬, 任建君, 郑秀娟, 谭聪, 吉蓉, 赵宇, 刘凯
喉白斑属于癌前组织病变,准确检测该病灶对癌变预防和病变治疗至关重要,但喉镜图像中病灶边界模糊且表面反光导致其不易分割。为此,提出一种基于U-Net的多尺度循环卷积神经网络(MRU-Net)进行喉白斑病灶分割。通过对比度受限的自适应直方图均衡化技术增强喉镜图像,利用平均池化构建图像金字塔并将其作为U型网络多尺度输入,同时使用多尺度卷积和递归卷积层代替编码与解码单元卷积层改进网络结构,采用多尺度输出层生成不同尺度特征图并对各层求均值得到最终输出结果。实验结果表明,MRU-Net的F1值、Jaccard相似度和平均交并比分别为0.784 3、0.661 1和0.826 9,与U-Net、M-Net等传统网络相比,该网络对喉白斑病灶分割更准确,能够得到精度更高的病灶轮廓。