典型文献
基于U-Net改进的多尺度融合超声神经分割算法研究
文献摘要：
大量传统的颈部超声神经检测算法,检测敏感性低,假阳性数量大,低层特征利用率不足.而颈部超声图像数量较少,边缘模糊且对噪声敏感.对此,提出一种改进型U-Net分支融合算法:改进损失函数,获得高质量的候选样本;使用多尺度卷积结构替换原结构中普通卷积层,增强特征提取能力;结合扩张卷积替换中、深层池化操作,提高低层特征利用率.通过对比实验验证了所提算法的算法性能.实验表明,与传统的U-Net和SegNet卷积网络对于小尺寸超声神经分割的结果相比,所提算法的分割效果较两者分别提升了近9％和17％,且对于正常尺寸和小尺寸的神经分割均有较高的分割精度.
文献关键词：
颈部超声图像神经检测;多尺度;加权损失函数;卷积神经网络
中图分类号：
作者姓名：
张克双;邬春学;张生;林晓
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;上海师范大学信息与机电工程学院,上海 200030
文献出处：
引用格式：
[1]张克双;邬春学;张生;林晓-.基于U-Net改进的多尺度融合超声神经分割算法研究)[J].计算机工程与科学,2022(09):1676-1685
A类：
颈部超声图像神经检测
B类：
多尺度融合,分割算法,算法研究,量传,检测算法,假阳性,低层,改进型,分支融合,融合算法,选样,多尺度卷积,原结构,卷积层,特征提取能力,扩张卷积,池化操作,算法性能,SegNet,卷积网络,小尺寸,分割效果,加权损失函数
AB值：
0.32606
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。
