典型文献
SECU-Net:一种结合SE和CRF的皮肤病图像分割网络
文献摘要：
皮肤癌是一种广泛的、可能致命的疾病.针对皮肤病病灶与背景对比度低、面积和形状变化大等特点,本文提出一种新的皮肤病病灶分割模型(SECU-Net),该模型结合"挤压和激励"机制(Squeeze and Excitation,SE)并引入条件随机场(Con?ditional Random Fields,CRF)做分割后处理,是一种将概率图形模型纳入神经网络的深度学习分割框架.SECU-Net通过SE模块建模通道之间的相互依赖性,自适应地重新校准通道特性响应.同时,CRF作为U-Net网络中端到端的可训练层,通过对相邻像素进行建模,使得相同属性的像素最大概率分配到相同的标签,产生与图像视觉特征一致的结构化输出.本文通过在具有挑战的ISIC2017皮肤病数据集上进行测试,实验结果表明,SECU-Net与其它医学图像分割模型相比,有更好的效果.
文献关键词：
深度学习;皮肤病图像分割;U-Net;SE;CRF
中图分类号：
作者姓名：
陈旋;蔡宇佳;冉文兵;张利
作者机构：
贵州大学 大数据与信息工程学院,贵阳550025
文献出处：
引用格式：
[1]陈旋;蔡宇佳;冉文兵;张利-.SECU-Net:一种结合SE和CRF的皮肤病图像分割网络)[J].智能计算机与应用,2022(11):71-77,86
A类：
SECU,皮肤病图像分割
B类：
Net,CRF,分割网络,皮肤癌,致命,对比度,病灶分割,分割模型,Squeeze,Excitation,条件随机场,Con,ditional,Random,Fields,概率图,入神,相互依赖性,道特,端到端,像素,同属,大概,配到,图像视觉特征,ISIC2017,医学图像分割
AB值：
0.353709
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。
