典型文献
基于弱监督学习的医学图像分割方法研究
文献摘要：
为提升针对医学图像的弱监督语义分割性能,本文从种子线索的生成出发,在CAM网络训练中引入多空洞卷积率的空洞卷积,以从图像级别的标注中产生密集位置预测,扩大响应范围.实验证明本文提出的分割模型在CAMELYON16数据集上能得到10个百分点的提升,并通过实验结果图证明本文模型可在仅有图像及标签已知的情况下为医生的诊断提供参考.
文献关键词：
弱监督学习;语义分割;乳腺癌数据集;卷积神经网络;空洞卷积
中图分类号：
作者姓名：
程舸帆;何良华
作者机构：
同济大学电子与信息工程学院计算机科学与技术系,上海201800
文献出处：
引用格式：
[1]程舸帆;何良华-.基于弱监督学习的医学图像分割方法研究)[J].电脑知识与技术,2022(03):7-9
A类：
CAMELYON16
B类：
弱监督学习,医学图像分割,分割方法,弱监督语义分割,网络训练,空洞卷积,位置预测,大响,响应范围,分割模型,百分点,图证,下为,乳腺癌数据集
AB值：
0.302345
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。
