典型文献
基于多模态深度学习的脑肿瘤分割实验研究
文献摘要：
针对现有3D U-Net网络在脑肿瘤分割中存在的训练过程中损失函数值难以降低,对增强瘤、肿瘤核分割精度较差等问题,该文提出了某模型网络的优化方案.首先使用残差网络结构降低训练难度;进一步引入注意力机制对多模态MRI的融合权值进行自适应学习,充分利用不同模态特征信息;最后在网络解码器部分采用双路卷积结构,提高了网络的特征提取能力.实验结果表明,改进后的网络训练损失函数更容易收敛到较小值,且对3种肿瘤的平均分割Dice系数提高了0.0189,平均Hausdorff距离缩短了1.1971,在整体分割性能上优于改进前的网络.
文献关键词：
深度学习;脑肿瘤分割;多模态;3D U-Net
中图分类号：
作者姓名：
李阳;许凌复;崔渭刚;刘竞宇;刘丽
作者机构：
北京航空航天大学自动化科学与电气工程学院,北京 100191
文献出处：
引用格式：
[1]李阳;许凌复;崔渭刚;刘竞宇;刘丽-.基于多模态深度学习的脑肿瘤分割实验研究)[J].实验技术与管理,2022(03):11-14,36
A类：
B类：
多模态深度学习,脑肿瘤分割,Net,训练过程,损失函数,函数值,残差网络结构,注意力机制,融合权值,自适应学习,模态特征,特征信息,解码器,双路,特征提取能力,网络训练,平均分,Dice,Hausdorff,进前
AB值：
0.351146
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。
