典型文献
基于RA-Unet的CT图像肝脏肿瘤分割
文献摘要：
CT图像肝脏肿瘤分割是进行肝癌前期诊断、肿瘤负荷分析和放射治疗的重要前提.为实现肿瘤的精确自动分割,提出一种融合残差模块和注意力机制的深度U形网络.该网络首先在跳跃连接层中引入一条带有反卷积与激活操作的残差路径和卷积模块,实现图像特征的分离传递以及高级表征,确保跳跃连接层主要传递图像边缘信息和小目标全局信息,其次在解码路径中引人注意力机制,通过将跳跃连接层与反卷积解码获得的特征信息赋予不同权重,进一步增强肿瘤特征,抑制其他无关信息.提出方法在LiTS数据集上获得的全局Dice值高达86.71％,明显高于其他多种现有方法,且相较于其他方法,该方法对于小尺寸、对比度低、边界模糊的肿瘤具有明显的分割优势.
文献关键词：
医学图像分割;深度学习;残差模块;注意力机制;肝脏肿瘤
中图分类号：
作者姓名：
邸拴虎;杨文瀚;廖苗;赵于前;杨振
作者机构：
中南大学自动化学院 长沙 410083;湖南科技大学计算机科学与工程学院 湘潭 411100
文献出处：
引用格式：
[1]邸拴虎;杨文瀚;廖苗;赵于前;杨振-.基于RA-Unet的CT图像肝脏肿瘤分割)[J].仪器仪表学报,2022(08):65-72
A类：
B类：
RA,Unet,肝脏肿瘤分割,肝癌,癌前期,肿瘤负荷,负荷分析,放射治疗,自动分割,融合残差,残差模块,注意力机制,跳跃连接,条带,反卷积,残差路径,卷积模块,图像特征,图像边缘信息,小目标,全局信息,解码,引人注意,特征信息,不同权重,肿瘤特征,LiTS,Dice,其他方法,小尺寸,对比度,边界模糊,医学图像分割
AB值：
0.418241
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。
