典型文献
基于密集连接和Inception模块的前列腺图像分割
文献摘要：
针对目前磁共振影像上前列腺组织区域的自动分割存在分割精度较低和过分割等问题,提出了一种基于密集连接和Inception模块的U-Net分割算法.首先采用对比度受限的自适应直方图均衡化方法对前列腺图像进行处理,增强信息的可检测性.此外,该算法将密集连接思想引入到U-Net模型中,改进原有编码器和解码器的连接方式,实现多尺度语义信息的融合和传播.同时,使用由空洞卷积驱动的Inception模块代替原有的级联卷积操作,以增加网络的宽度,增强对不同尺寸目标的特征提取与表达能力.最后,针对非组织目标存在的过分割问题,设计了一种具有分类引导功能的校正器,以减少假阳性预测.通过对NCI-ISBI 2013 Challenge公开数据集进行测试,以Dice相似系数、准确率和假阳率作为评价标准,其均值分别可达86.12％、97.96％和1.11％.实验结果表明,与其他分割算法相比,该算法具有更好的分割效果.
文献关键词：
磁共振影像;前列腺分割;深度学习;密集连接
中图分类号：
作者姓名：
许瑶瑶;单剑锋
作者机构：
南京邮电大学电子与光学工程学院 南京210023
文献出处：
引用格式：
[1]许瑶瑶;单剑锋-.基于密集连接和Inception模块的前列腺图像分割)[J].电子测量技术,2022(15):151-157
A类：
前列腺分割
B类：
密集连接,Inception,前列腺图像,图像分割,磁共振影像,上前,前列腺组织,自动分割,Net,分割算法,对比度,自适应直方图均衡化,强信息,可检测性,编码器,解码器,连接方式,语义信息,空洞卷积,卷积操作,不同尺寸,表达能力,组织目标,分类引导,校正器,假阳性,NCI,ISBI,Challenge,公开数据集,Dice,相似系数,分割效果
AB值：
0.424719
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。
