典型文献
3D SE-ResNet:一种从CT图像中自动分割COVID-19肺部感染模型
文献摘要：
受新型冠状病毒感染的肺部,在胸部CT图像中表现出非常明显的病理特征,为此开发了一种自动分割模型能够帮助医生进行有效的诊断和分析.基于3D U-Net分割框架,提出了一种结合挤压与激励模块和注意力机制结合的3D SE-ResNet深度学习模型.采用包含200张COVID-193D CT图像数据集并通过大量的数据增强后对模型进行了训练和评估.实验结果表明:所提出的模型Dice指标达到了87.00％,与基于3D ResNet和3D U-Net网络模型实验相比,分别提升2.85％和1.03％.可以看出,3D SE-ResNet网络模型能在冠状病毒感染区域分割实现较高精度.
文献关键词：
新型冠状病毒;3D分割;计算机断层;深度学习;人工智能
中图分类号：
作者姓名：
朱勇;谢勤岚
作者机构：
中南民族大学 生物医学工程学院,武汉 430074
文献出处：
引用格式：
[1]朱勇;谢勤岚-.3D SE-ResNet:一种从CT图像中自动分割COVID-19肺部感染模型)[J].中南民族大学学报（自然科学版）,2022(02):200-207
A类：
193D
B类：
SE,ResNet,肺部感染,感染模型,新型冠状病毒感染,胸部,非常明显,病理特征,自动分割模型,注意力机制,深度学习模型,图像数据集,数据增强,Dice,标达,模型实验,区域分割,计算机断层
AB值：
0.276959
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。
