典型文献
一种基于超像素和改进U-net的多模态脑部肿瘤图像分割方法
文献摘要：
针对多模态脑部肿瘤图像分割难度较大和对脑部肿瘤边缘区域的分割不足等问题,本文将多模态脑部肿瘤图像分割任务分成两部分解决.第一部分是对脑部肿瘤轮廓区域的分割,先用超像素分割算法对图像进行预处理简化图像的表示形式,再提取每个超像素区域的灰度直方图,通过皮尔逊相关系数计算每个超像素区域的相似度,最后用均值漂移算法对剩余的直方图进行迭代运算,完成对脑部肿瘤图像轮廓区域的分割.通过在2D脑部肿瘤图像LGG数据集上的大量实验分析,本文的肿瘤轮廓分割模型可以很好的分割出肿瘤轮廓.第二部分用本文改进的U-net算法对脑部肿瘤图像轮廓区域进行精细的多模态分割.在多模态脑部肿瘤图像数据库Brats2019进行大量的实验,结果表示本文算法能够很好的细分出脑部肿瘤区域.
文献关键词：
脑肿瘤;MRI图像分割;超像素;均值漂移;3D U-net
中图分类号：
作者姓名：
胡春燕;司明明;陈玮
作者机构：
上海理工大学 光电信息与计算机工程学院,上海200093
文献出处：
引用格式：
[1]胡春燕;司明明;陈玮-.一种基于超像素和改进U-net的多模态脑部肿瘤图像分割方法)[J].小型微型计算机系统,2022(01):91-97
A类：
Brats2019
B类：
net,脑部肿瘤,图像分割,分割方法,边缘区域,第一部,先用,超像素分割,分割算法,表示形式,灰度直方图,皮尔逊相关系数,均值漂移算法,2D,LGG,分割模型,割出,第二部,分用,图像数据库,分出,肿瘤区,脑肿瘤
AB值：
0.231083
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。
