典型文献
一种改进的双通道多尺度医学图像分割网络模型
文献摘要：
近年来,深度学习在医学图像处理中的应用越来越广泛.UNet作为医学图像分割的主要方法,虽然具备一定的优势,但在细节处理及精确度上仍不够理想.为了优化分割效果,本研究提出一种改进的UNet分割模型.该模型在UNet的网络架构基础上,使用残差连接代替编码器和解码器之间的跳跃连接;同时将编码器中卷积操作更改为双通道多尺度卷积,并在编码器中加入挤压激励块.在Kvasir-SEG、CVC-ClinicDB、ISIC2018三个数据集上的实验结果表明,该模型与其它几种UNet改进算法相比,分割精度有所提高.
文献关键词：
卷积网络;多尺度;双通道;UNet;医学图像分割
中图分类号：
作者姓名：
王燕贞
作者机构：
漳州职业技术学院电子信息学院,福建漳州363000
文献出处：
引用格式：
[1]王燕贞-.一种改进的双通道多尺度医学图像分割网络模型)[J].漳州职业技术学院学报,2022(01):86-93
A类：
B类：
双通道,医学图像分割,分割网络,医学图像处理,UNet,主要方法,细节处理,优化分割,分割效果,分割模型,网络架构,残差连接,编码器,解码器,跳跃连接,卷积操作,更改,多尺度卷积,在编,挤压激励,Kvasir,SEG,CVC,ClinicDB,ISIC2018,改进算法,卷积网络
AB值：
0.432923
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。
