U-Net與ResNet的優化及其在腦腫瘤分割與肺部病變識別中的精準化應用

摘要：為提升智能醫療影像診斷的精準度，文章分別針對圖像分割與分類任務，構建并優化了兩種深度學習模型。文章設計了一種結合U-Net與注意力機制（U-Net+Attention） 的影像分割模型，并引入基于ResNet50的遷移學習分類網絡（ResNet50+FT） 用于肺部病變識別。模型利用多通道卷積結構處理多模態數據，并融合Focal Loss以應對類別不平衡問題。在BraTS與NIH ChestX-ray14數據集上的實驗結果表明，U-Net+Attention模型的Dice系數達到0.872，顯著優于基線U-Net（0.842） ；ResNet50+FT模型的分類準確率提升至0.901，F1分數達到0.893。研究驗證了所提方法在提升診斷精度方面的有效性。

關鍵詞：深度學習；醫學影像；U-Net；ResNet；精準診斷

中圖分類號：TP181" " " 文獻標識碼：A

文章編號：1009-3044（2025）23-0014-03

開放科學（資源服務） 標識碼（OSID）

0 引言

醫學影像在疾病早期篩查、診斷與療效評估中具有核心價值，而傳統影像解讀方式存在主觀性強、效率低、依賴經驗等局限。隨著深度學習技術的發展，其在圖像分割、識別與分類中的優勢逐步顯現，為實現醫學影像診斷的精準化提供了可行路徑。本文圍繞腫瘤、神經系統及心血管疾病等典型應用場景，構建并優化多類深度學習模型，結合多模態影像數據開展實證分析，驗證其在智能診斷中的有效性與適應性。本文的主要貢獻包括：1） 提出一種融合注意力機制的U-Net分割模型（U-Net+Attention） ，提升模型對關鍵病灶區域的聚焦能力，實現更高精度的像素級分割效果；2） 構建基于ResNet50的遷移學習分類模型（ResNet50+FT） ，通過微調增強模型對肺部病變圖像的特征辨識能力，適用于復雜臨床環境下的圖像分類任務；3） 在兩個公開數據集上進行了全面的實驗驗證，并對模型性能進行了多維度評估。

1 深度學習技術在醫學影像基礎

近年來，深度學習技術在醫學影像分析領域展現出前所未有的突破性進展，成為推動影像診斷智能化、精準化發展的核心動力。其主要優勢在于能夠自動從大規模、高維度、復雜背景的醫學圖像中學習潛在的結構與語義特征，顯著優于傳統基于人工經驗與規則設定的分析方法。傳統影像診斷方式雖然在臨床上具有一定的指導意義，但存在強烈的主觀性，且受限于醫生的經驗水平與疲勞狀態，容易造成誤診漏診，在重復性、效率及可擴展性方面表現不足，難以滿足現代醫療系統日益增長的診斷需求與質量要求[1]。

深度學習技術以神經網絡為核心構建方法，尤其以卷積神經網絡（Convolutional Neural Networks， CNN） 為代表的模型，在圖像處理任務中具備顯著優勢。在醫學圖像分割任務中，U-Net因其編碼器-解碼器結構及跳躍連接機制，能夠有效保留圖像的空間分辨率信息，展現出較強的邊界定位能力和像素級別的分割精度，廣泛應用于腦腫瘤、肺部結節、乳腺腫塊等多種病灶檢測任務。對于分類任務，ResNet（殘差神經網絡） 憑借其深層結構與殘差連接設計，在解決深度神經網絡訓練中出現的梯度消失與退化問題方面效果顯著，能夠實現更深層次的特征抽取，提升模型在復雜圖像識別中的表現。隨著模型架構的不斷演化，研究者開始引入注意力機制（Attention Mechanism） ，增強模型對關鍵區域的聚焦能力，提升特征提取的有效性。多尺度特征融合技術亦被廣泛應用于醫學影像模型設計中，使模型在處理不同尺寸、不同形態的病灶時更具適應性與魯棒性。這些優化手段的融合應用，使得基于深度學習的醫學影像模型在性能、穩定性與臨床可用性等方面均得到顯著提升，為實現更高水平的輔助診斷提供了有力技術支撐。

2 深度學習在智能影像診斷中的應用場景

2.1 腫瘤檢測與定位

腫瘤檢測與精準定位是醫學影像診斷中的關鍵任務，其準確與否直接關系到疾病的分期判斷、治療方案制定及預后評估，具有重要的臨床決策意義。傳統的腫瘤識別方法依賴人工判讀，不僅存在主觀性強、重復性差的問題，還在面對復雜影像信息時易出現漏檢、誤判等情況。深度學習技術的引入為腫瘤影像分析注入了全新動能，尤其是卷積神經網絡（CNN） 憑借其多層感知結構與非線性變換能力，能夠自動從原始圖像中提取邊緣、紋理、密度變化等復雜特征，實現對腫瘤的高效識別與定位[2]。

在實際應用中，U-Net與Faster R-CNN是最具代表性的兩類模型。U-Net采用典型的對稱型編碼器-解碼器架構，并通過跳躍連接融合高低層特征，有效保留圖像空間信息，實現精細化的像素級分割。該結構在乳腺癌、肺癌、腦膠質瘤等實體腫瘤的檢測中表現尤為突出，能夠清晰描繪病灶的邊界輪廓及結構特征，輔助醫生進行病變區域的量化分析。Faster R-CNN則融合了區域建議網絡（Region Proposal Network， RPN） 與分類網絡，可在整個圖像上高效定位潛在病灶區域，并對其進行類別判定，特別適用于肺結節、肝臟腫塊等目標檢測任務，具備高召回率與精度優勢。為增強模型在腫瘤邊緣識別中的準確性，訓練過程中常引入Dice系數作為損失函數，該指標對前景區域（如小體積病灶） 更為敏感，有助于提升模型對邊界模糊、病灶尺寸不一的識別能力。圖像增強技術如隨機旋轉、縮放、翻轉、亮度調整等方法被廣泛采用，擴充了訓練樣本的多樣性，緩解了樣本數量不足帶來的過擬合風險，提升了模型的魯棒性與泛化能力。

2.2 神經系統疾病診斷

神經系統疾病的影像診斷具有極高的復雜性，因腦部結構高度精細，功能區域高度分化，不同病變在影像表現上常呈現出微弱差異。深度學習技術的引入為這一領域帶來了突破性進展，尤其是在對腦部MRI、功能性MRI（fMRI） 等高維醫學影像的分析中，能夠實現結構與功能異常的自動化識別與量化分析，大幅提升了神經系統疾病診斷的準確性與效率。

針對阿爾茨海默病（AD） 、帕金森病（PD） 等常見神經退行性疾病，研究中普遍采用三維卷積神經網絡（3D-CNN） 對腦部圖像進行建模，提取體素級的空間結構特征，具有良好的局部敏感性與空間一致性[3]。以AD早期篩查為例，3D-CNN可對海馬體、腦室等關鍵區域進行體積測量、形態分析與萎縮評估，并與健常樣本建立對比，從而輔助疾病分型判斷。為增強模型關注能力，常引入特征注意力機制，使模型能夠自動聚焦于異常腦區，提高診斷的靈敏度與特異性。為應對神經系統疾病影像中普遍存在的時間動態特征（如病變進展或腦功能活動變化） ，部分研究將長短期記憶網絡（LSTM） 與卷積網絡結合，構建空間-時間混合模型，用于動態fMRI數據的時間序列建模。多通道MRI序列（如T1、T2、FLAIR） 被作為聯合輸入，有效提升模型的信息維度與病變敏感性，實現更精細的腦部結構識別。在腦功能網絡分析方面，近年來逐漸興起的圖卷積網絡（Graph Convolutional Network， GCN） 為構建基于節點與連接的腦區功能網絡提供了新的建模思路。通過將腦區視為圖結構節點，利用連接強度構建鄰接矩陣，GCN能夠在圖結構中學習潛在的腦區互動模式，識別神經回路中潛在的異常路徑，適用于功能性疾病的分類與預測。

2.3 心血管疾病影像分析

在心血管疾病的影像分析中，深度學習模型不僅能夠實現左心室與右心室的精準分割，還可結合時序信息對射血分數（EF） 等功能指標進行自動估計（分割效果示例如圖1所示） 。通過構建基于U-Net的分割模型，并引入注意力機制以增強對關鍵結構區域的聚焦能力，模型在心臟磁共振（CMR） 圖像上展現出優異的分割性能，有效輔助臨床評估心臟功能與結構異常。典型模型如U-Net用于左心室和右心室分割，結合時序信息的ConvLSTM結構可進一步分析心動周期變化，實現對射血分數（EF） 等功能指標的自動估計。在冠狀動脈CTA分析中，采用3D-CNN進行血管分支重建與鈣化斑塊識別，提高狹窄檢測的精度。部分研究引入多模態融合機制，將影像數據與心電圖（ECG） 、臨床指標共同輸入深度模型，實現結構、功能與信號的三重分析，有效提升風險評估與診斷準確率[4]。模型評估常采用IoU、Dice系數和平均絕對誤差（MAE） 等指標，以確保其臨床適用性與穩定性。

2.4 多模態影像融合診斷技術

多模態影像融合診斷技術通過整合CT、MRI、PET等多種影像模式，實現對病灶結構、代謝及功能特征的整體分析，彌補單一影像模態在空間分辨率、組織對比度以及功能信息方面的不足，提升醫學圖像分析的全面性、完整性與精準度。在深度學習框架下，該技術通常通過雙通道或多通道卷積神經網絡實現。其中，每個通道獨立處理一種模態的圖像，以提取其特有特征[5]。這些特征在網絡的中間層進行融合，旨在保留各模態的互補信息，從而增強模型的綜合判別能力。典型的多模態U-Net及Attention融合網絡結構，通過引入注意力機制，實現對各模態特征重要性的自適應加權賦值，有效突出關鍵病灶信息，去除冗余特征。在開展腦腫瘤診斷期間，MRI可提供高分辨率的解剖結構信息，PET可反映病灶的代謝活動，二者融合能明顯改善腫瘤邊界模糊、形狀復雜及檢查錯誤的問題，提升分割和分類的準確率。多模態融合在疾病分級、療效預測以及術后隨訪等臨床任務中也顯示出較高的實用價值，為實現更精準化、個性化的智能醫療提供了重要技術依托。

3 模型與方法

3.1 基于U-Net與注意力機制的腦腫瘤分割模型

在U-Net基礎結構上引入注意力機制，構建U-Net+Attention模型用于腦腫瘤分割。U-Net采用編碼器-解碼器結構，通過跳躍連接融合高低層特征。為提升模型對病灶區域的聚焦能力，在每個跳躍連接中嵌入Attention Gate模塊，動態抑制無關背景信號，強化關鍵區域響應[6]。該機制使模型在邊界模糊、形態復雜的腫瘤區域分割中更具魯棒性與精度，顯著提升像素級預測效果。

3.2 基于遷移學習的肺部病變分類模型

針對肺部X光圖像病變特征差異大、標注樣本有限的問題，本文采用基于ResNet50的遷移學習策略。首先加載ImageNet預訓練權重以保留底層特征提取能力，再對高層卷積層與全連接分類器進行微調，以適應醫學圖像的分布。該方法可提升模型的泛化能力，增強對肺炎、結節等復雜病灶的識別性能。

3.3 損失函數設計

針對醫學圖像中類別不平衡和小樣本問題，本文引入焦點損失函數（Focal Loss） ，以提升模型對難分類病灶的識別能力。其定義如下：

[FL（pt）=-αt（1-pt）γlog（pt）]" " （1）

其中，[pt] 表示模型對真實類別的預測概率，[αt] 為類別權重因子，[γ] 為聚焦參數（通常取 2） 。該函數在預測準確時降低損失，增強模型對難分類樣本的關注，有效緩解樣本分布不均所致的訓練偏差[7]。

4 實證研究與實驗分析

4.1 實驗設置與設計

實驗采用BraTS 2020腦腫瘤公開數據集和NIH ChestX-ray14胸部X光圖像數據集，分別針對腦腫瘤分割與肺部病變識別任務進行模型訓練與測試。BraTS 2020數據集由多中心聯合提供，包含369例MRI掃描樣本，提供T1、T1ce、T2和FLAIR四種模態圖像，并包括手工標注的三個腫瘤區域標簽：增強腫瘤（ET） 、腫瘤核心（TC） 與整個腫瘤區域（WT） ，具有較高的標簽一致性與結構清晰度[8]。數據預處理包括歸一化、尺寸統一（256×256像素） 及數據增強操作，如隨機旋轉、水平翻轉和對比度調整，以提升模型泛化能力。模型構建采用U-Net用于分割任務，ResNet50用于分類任務，訓練過程在PyTorch框架下完成，GPU平臺為NVIDIA RTX 3090，訓練輪數設為100輪，批次大小為16，優化器為Adam，初始學習率設為0.001，并使用余弦退火策略動態調整。數據集劃分比例為訓練集70%、驗證集15%、測試集15%，并采用5折交叉驗證評估模型穩定性與魯棒性，確保實驗結果具有統計顯著性與臨床參考價值[9]。

4.2 實驗結果分析

深度學習模型在醫學影像診斷中的實際效果通過對腦腫瘤分割與肺部病變分類兩個任務的實證對比得以評估。由于兩項任務在目標與評估指標上存在本質差異，本文分別報告其關鍵性能指標，具體結果見表1與表2。

如表1所示，U-Net在腦腫瘤分割中已表現良好，基礎模型準確率為0.912，Dice系數為0.842；結合數據增強后，準確率提升至0.925，Dice系數升至0.857；進一步引入注意力機制后，準確率達到0.938，Dice系數提升至0.872，顯著增強了對腫瘤邊界與關鍵區域的識別能力。

表2展示了肺部病變分類結果。ResNet50基礎模型準確率為0.876，Dice系數為0.812；引入數據增強后，性能穩步提升；結合遷移學習后，模型表現最佳，Dice系數達到0.839，準確率提升至0.901，展現出良好的泛化與辨識能力。

4.3 模型性能評估

為全面評估模型在實際部署場景下的可用性與效率，本文從訓練耗時、推理速度、GPU資源消耗及F1分數4個維度對4種模型的運行性能進行了對比。

如表3所示，U-Net+Attention模型在保持合理推理速度的前提下，F1分數顯著優于基礎模型，突出其在分割任務中的準確性與穩定性。ResNet50+FT（微調） 在分類任務中則展現了更優的綜合性能，在推理速度、GPU資源消耗與準確性之間實現了良好平衡，具有較高的實際部署價值。

5 結束語

深度學習在醫學影像診斷中的精準化應用已展現出顯著優勢，尤其在腫瘤檢測、神經系統疾病識別和心血管影像分析等關鍵領域，通過模型結構優化與多模態融合策略，有效提升了診斷精度與臨床實用性。未來研究可進一步聚焦模型的可解釋性、多源異構數據的協同利用，以及小樣本條件下的魯棒性建模，推動深度學習技術同臨床診療流程的深度融合，為實現更精準、智能化的醫療服務提供堅實支撐。

參考文獻：

[1] 戚振興.基于深度學習的圖像識別算法優化與應用研究[J].科技與創新，2025（7）：229-232.

[2] 閆佳佳，寇楠楠.人工智能應用于阿爾茨海默病影像診斷中的倫理審視[J].中國醫學倫理學，2025，38（2）：179-186.

[3] 劉夢晗，劉宇紅，李亮.人工智能在結核病影像診斷中應用的研究進展[J].預防醫學論壇，2024，30（3）：230-235，240.

[4] 梁水芬，郭志勇.深度學習在腎結石影像診斷的應用進展[J].電子科技，2024，37（12）：67-72.

[5] 甘桐嘉，石晶晶，邵劍波，等.深度學習在小兒中樞神經系統影像學的應用進展[J].放射學實踐，2022，37（11）：1436-1439.

[6] 李翠華，劉玉轉，高昭昇.智能影像輔助診斷在基層醫療機構的應用模式研究[J].中國數字醫學，2022，17（5）：75-78.

[7] GRAVES M.Moral attention is all you need[J].Theology and Science，2025，23（2）：241-248.

[8] ZHANG Y，LIU C Q，LIU M，et al.Attention is all you need：utilizing attention in AI-enabled drug discovery[J].Briefings in Bioinformatics，2023，25（1）：bbad467.

[9] HE K M，ZHANG X Y，REN S Q，et al.Deep residual learning for image recognition[C]//2016 IEEE Conference on Computer Vision and Pattern Recognition （CVPR）.June 27-30，2016.Las Vegas，NV，USA.IEEE，2016：770-778.

【通聯編輯：唐一東】