典型文献
基于反注意力机制U-Net网络的胃部肿瘤分割
文献摘要：
首先利用全局与局部注意力对肿瘤进行定位,然后在模型中加入反注意力机制,将显著特征从原特征图中消除,并保留肿瘤的边缘轮廓信息.此外还在模型中使用深度监督,监督各个深度解码层的训练,有效抑制模型梯度消失现象,提高分割的准确性.本研究使用的是上海长征医院的胃部CT数据集,并将提出的模型与U-Net、Attention U-Net和ET-Net的实验对比.研究结果表明,相较于传统的U-Net网络模型,基于反注意力机制的U-Net模型在胃部肿瘤分割中性能得到了较大的提高,证明了该网络模型的有效性.
文献关键词：
胃部肿瘤分割;深度学习;图像处理;反注意力机制;U-Net网络
中图分类号：
作者姓名：
王萍;徐凯成;张一弛;王海玲;蔡清萍;卫子然;胡尊琪
作者机构：
上海工程技术大学继续教育学院,上海201620;上海工程技术大学电子电气工程学院,上海201620;上海长征医院肠胃外科,上海200003
文献出处：
引用格式：
[1]王萍;徐凯成;张一弛;王海玲;蔡清萍;卫子然;胡尊琪-.基于反注意力机制U-Net网络的胃部肿瘤分割)[J].中国医学物理学杂志,2022(09):1133-1139
A类：
反注意力机制,胃部肿瘤分割
B类：
Net,局部注意力,显著特征,特征图,边缘轮廓,使用深度,深度监督,解码,模型梯度,梯度消失,上海长征医院,Attention,ET,实验对比
AB值：
0.214363
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。
