典型文献
基于多尺度感知和语义适配的医学图像分割算法
文献摘要：
针对医学图像中病灶区域的形状不规则、尺度变化大、强度不均匀和边界模糊等复杂特点导致医学图像分割精度下降的问题,本文提出了一种基于多尺度感知和语义适配的医学图像分割算法.通过多尺度上下文感知模块,从多个感受野学习目标区域丰富的上下文信息,并根据目标区域大小动态分配不同尺度语义特征的权重,以提高特征学习的表征能力.通过多层语义适配模块聚合多级抽象语义特征和空间细节信息,细化目标区域的边界,同时减少编解码器间的特征差异.将本文算法在3个不同模态的公开医学图像数据集上进行定量和定性对比,实验结果表明,本文算法在多个医学图像复杂场景分割中均优于其他算法.
文献关键词：
计算机应用;医学图像分割;多尺度上下文感知;语义适配;上下文信息
中图分类号：
作者姓名：
王雪;李占山;吕颖达
作者机构：
吉林大学计算机科学与技术学院,长春130012;吉林大学符号计算与知识工程教育部重点实验室,长春130012;吉林大学公共计算机教学与研究中心,长春130012
文献出处：
引用格式：
[1]王雪;李占山;吕颖达-.基于多尺度感知和语义适配的医学图像分割算法)[J].吉林大学学报（工学版）,2022(03):640-647
A类：
语义适配
B类：
尺度感知,医学图像分割,图像分割算法,尺度变化,边界模糊,多尺度上下文感知,感知模块,感受野,学习目标,目标区域,上下文信息,小动,动态分配,不同尺度,语义特征,特征学习,表征能力,配模,空间细节信息,细化目标,编解码器,特征差异,医学图像数据,图像数据集,复杂场景,场景分割,计算机应用
AB值：
0.282079
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。
