基于改进U-Net的肺结节分割算法优化

针对传统U-Net肺结节分割存在的微小结节特征丢失、边界定位模糊、易受背景干扰等问题，本文从编码器、跳跃连接、解码器多模块针对性优化U-Net结构，引入多尺度特征融合与CBAM混合注意力机制，采用Dice损失与交叉熵的加权组合适配解决样本不平衡问题，经LIDC-IDRI等公开数据集验证，改进算法的Dice相似系数、交并比等核心指标较传统U-Net显著提升，可精准分割不同尺寸、形态的肺结节，有效降低漏检误分割概率，为肺癌早期计算机辅助诊断提供更精准的技术支撑。