典型文献
基于改进SegNet癌变组织图像语义分割算法
文献摘要：
针对医学图像中癌变与正常组织的人工标注和定量分析耗时且缺乏一致性的问题,提出了一种基于穆勒矩阵参数图像的语义分割网络模型,采用背向散射光穆勒矩阵自动成像系统获得病理组织的穆勒矩阵图像,使用穆勒矩阵分解和变换获得相应的参数图像,结合纹理特征定量分析分割后癌变与正常组织的差异.实验表明,相比SegNet算法,该算法在肝癌和肺癌数据集上的准确率分别提高5.89％与1.17％,平均交并比分别提高9.79％与5.56％,也优于FCN和U-Net算法,降低了癌变组织的假阴性率,能够自动学习癌变与正常组织特征,有助于为癌症的病理诊断提供即时准确的组织定量指标.
文献关键词：
语义分割网络;穆勒矩阵;纹理特征;SegNet;定量分析
中图分类号：
作者姓名：
孟凡宏;黄丹飞;钟艾琦;陈思阳;赵成龙
作者机构：
长春理工大学 光电工程学院,长春 130022
文献出处：
引用格式：
[1]孟凡宏;黄丹飞;钟艾琦;陈思阳;赵成龙-.基于改进SegNet癌变组织图像语义分割算法)[J].长春理工大学学报（自然科学版）,2022(04):87-92
A类：
B类：
SegNet,癌变,图像语义分割,分割算法,医学图像,正常组织,穆勒矩阵,语义分割网络,背向散射,散射光,成像系统,得病,病理组织,矩阵图,矩阵分解,纹理特征,肝癌,平均交并比,FCN,假阴性率,自动学习,组织特征,病理诊断,定量指标
AB值：
0.31084
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。
