典型文献
基于自监督学习与语义分割相结合的内窥镜白内障图像分割
文献摘要：
目的:基于自监督学习与语义分割方法在白内障数据集上训练深度学习模型,分割白内障手术的显微镜图像,以提升算法的准确性和鲁棒性.方法:提出CA-PSP模型实现白内障数据集语义分割,采用自监督模型BYOL预训练模型参数;为了增强网络特征表达能力,在骨干网络加入一个轻量级的网络注意力机制,即坐标注意力模块(coordinate attention)优化学习内容.结果:通过对比实验证明自监督方法及卷积注意力模块对模型性能提升的有效性,像素分割精度为93.9％,Dice系数为76.5％,mIoU系数为64.4％.结论:将自监督学习与语义分割技术相结合并应用在内窥镜白内障图像分割,能有效提升临床诊断的灵活性,为白内障手术阶段的可视化指导提供了有效参考.
文献关键词：
自监督学习;语义分割;白内障图像分割
中图分类号：
作者姓名：
王大寒;叶海礼;陈静诗;王继伟
作者机构：
361024福建厦门,厦门理工学院计算机与信息工程学院;陆军第七十三集团军医院(厦门大学附属成功医院)信息科
文献出处：
引用格式：
[1]王大寒;叶海礼;陈静诗;王继伟-.基于自监督学习与语义分割相结合的内窥镜白内障图像分割)[J].中国数字医学,2022(01):15-19
A类：
白内障图像分割
B类：
自监督学习,内窥镜,分割方法,深度学习模型,白内障手术,CA,PSP,模型实现,BYOL,预训练模型,网络特征,特征表达,表达能力,骨干网络,轻量级,网络注意力,注意力机制,坐标注意力,coordinate,attention,优化学习,学习内容,监督方法,卷积注意力模块,模型性能,性能提升,像素,Dice,mIoU,语义分割技术,技术相结合,有效参考
AB值：
0.297535
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。
