典型文献
基于多监督残差网络的冠状动脉CT图像分割
文献摘要：
冠状动脉血管造影图像是医生诊断心血管疾病的主要依据,对冠状动脉进行准确地分割在心血管疾病诊断具有重要意义.人工分割血管是一个费时费力的过程,容易出现主观性和误判性.因此,提出一种自动、准确的血管分割系统,称为多监督残差网络(MSRNet).在残差网络中增加了三个有监督的侧输出模块,并将输出的特征图进行融合,得到最终的分割结果.将MSRNet在测试集上的准确率为0.925.MSRNet的分割精度相比U-Net和ResNet最高,最接近人类专家手动分割的结果.MSRNet可以减少诊断过程中的人工交互以及对医务人员的依赖,提高了疾病诊断效率.
文献关键词：
冠状动脉造影图像;血管分割;深度学习;迁移学习
中图分类号：
作者姓名：
顾峰;曹秒;蔡庆武;董麒;张坤
作者机构：
长春理工大学 生命科学技术学院,长春 130022
文献出处：
引用格式：
[1]顾峰;曹秒;蔡庆武;董麒;张坤-.基于多监督残差网络的冠状动脉CT图像分割)[J].长春理工大学学报（自然科学版）,2022(05):101-106
A类：
MSRNet
B类：
多监督,残差网络,图像分割,冠状动脉血管造影,像是,心血管疾病,疾病诊断,工分,费时费力,主观性,误判,血管分割,有监督,输出模块,特征图,测试集,ResNet,诊断过程,工交,互以,医务人员,诊断效率,冠状动脉造影图像,迁移学习
AB值：
0.328154
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。
