典型文献
基于改进U-Net的肝脏MRI分割方法
文献摘要：
针对U型结构网络在特征提取过程中存在语义信息丢失的情况,从而影响肝脏图像分割精度的问题,提出一种基于多尺度特征融合,并引入内嵌空间注意力和改进通道注意力的肝脏图像分割方法.首先,在网络的编码阶段使用多尺度卷积模块提取不同尺度的语义信息并拼接在一起;然后在整个网络模型中引入空间注意力和改进的通道注意力,从空间域和通道域的角度加强有意义语义信息的权重;最后通过一个卷积层输出肝脏的分割结果.实验结果表明,该分割方法在肝脏图像数据集上分割效果较好,提高了肝脏的分割准确率,有效改善了小面积肝脏分割困难的问题.
文献关键词：
深度学习;图像分割;多尺度卷积;注意力机制
中图分类号：
作者姓名：
汪慎文;周瑶
作者机构：
河北地质大学 信息工程学院,石家庄050031;河北地质大学 人工智能与机器学习研究室,石家庄050031
文献出处：
引用格式：
[1]汪慎文;周瑶-.基于改进U-Net的肝脏MRI分割方法)[J].吉林大学学报（理学版）,2022(05):1153-1160
A类：
B类：
Net,分割方法,语义信息,信息丢失,肝脏图像,图像分割,多尺度特征融合,内嵌,空间注意力,通道注意力,多尺度卷积,卷积模块,不同尺度,拼接,接在,空间域,通道域,卷积层,图像数据集,分割效果,小面积,肝脏分割,注意力机制
AB值：
0.362403
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
