典型文献
基于多尺度空洞分离卷积的U-Net分割前列腺图像
文献摘要：
前列腺核磁共振(magnetic resonance,MR)影像切片后发现有些影像没有有效的边缘信息,这导致无法明确定位边缘位置,进而无法分割出前列腺.同时,传统的卷积网络需要参数量庞大占用模型的存储空间过多.本文提出了一种结合多尺度空洞可分离卷积和通道注意力的U-Net来分割前列腺的方法.首先,对50个3维(three-dimensional,3D)前列腺样品进行切片并对切片后图像进行对比度增强.随后,将处理后数据输入到残差U-Net中,使用多尺度空洞卷积和通道注意力作为编码-解码单元来提取特征信息.最后,使用Dice系数和豪斯多夫距离(Housdorff distance,HD)来评估分割结果.实验在PROMISE 12挑战赛数据集验证,最终Dice系数和HD分别为88.13％、14.17 mm,参数量和存储空间降低57％.结果表明,本文方法不仅可以分割出没有有效边缘的前列腺区域提高其分割精度而且能有效的降低参数量和存储空间,能够应用于模糊边缘的医学图像中.
文献关键词：
数字图像处理;空洞可分离卷积;多尺度特征提取;通道注意力;图像分割
中图分类号：
作者姓名：
邵党国;黄俊辉;徐慧
作者机构：
昆明理工大学信息工程与自动化学院,云南昆明650500;昆明医科大学第一附属医院,云南 昆明650500
文献出处：
引用格式：
[1]邵党国;黄俊辉;徐慧-.基于多尺度空洞分离卷积的U-Net分割前列腺图像)[J].光电子·激光,2022(05):554-560
A类：
Housdorff
B类：
Net,前列腺图像,magnetic,resonance,MR,边缘信息,明确定位,边缘位置,割出,卷积网络,参数量,存储空间,空洞可分离卷积,通道注意力,three,dimensional,后图,对比度增强,空洞卷积,解码,提取特征,特征信息,Dice,豪斯多夫距离,distance,HD,估分,PROMISE,挑战赛,数据集验证,出没,医学图像,数字图像处理,多尺度特征提取,图像分割
AB值：
0.346926
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。
