典型文献
基于多感受野与分组混合注意力机制的肺结节分割研究
文献摘要：
从CT图像中自动有效分割肺结节对诊断和治疗肺部肿瘤具有重要意义.鉴于肺结节在肺部所占比例很小、形态不规则、与一些邻近组织和器官在视觉上非常相似,给分割任务带来困难,本文提出一种基于多感受野与分组混合注意力机制的肺结节分割网络MRF-GMA.首先,该网络通过多感受野特征聚合模块,捕获不同尺度的结节;其次,利用分组混合注意力模块,提升对结节像素的分辨能力;最后,采用混合损失函数对训练过程进行优化,缓解了类不平衡的问题.在实验部分,本文分别将MRF-GMA与FCN、SegNet、R2U-Net和Attention U-Net等进行比较,结果表明,MRF-GMA模型在Dice相似性系数(DSC)、召回率(recall)和准确率(accuracy)等方面均表现最优,相比Attention U-Net模型,分别提高了2.25、1.19和2.98个百分点.
文献关键词：
CT图像;肺结节分割;深度学习;特征聚合;注意力机制
中图分类号：
作者姓名：
张萍;徐巧枝
作者机构：
内蒙古师范大学 计算机科学技术学院, 内蒙古 呼和浩特010022
文献出处：
引用格式：
[1]张萍;徐巧枝-.基于多感受野与分组混合注意力机制的肺结节分割研究)[J].广西师范大学学报（自然科学版）,2022(03):76-87
A类：
B类：
多感受野,混合注意力机制,肺结节分割,诊断和治疗,肺部肿瘤,分割网络,MRF,GMA,特征聚合,不同尺度,注意力模块,像素,混合损失函数,训练过程,类不平衡,FCN,SegNet,R2U,Attention,Dice,相似性系数,DSC,召回率,recall,accuracy,百分点
AB值：
0.333614
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。
