典型文献
改进的V-C-Net卷积神经网络脑肿瘤图像多层次分割实验
文献摘要：
针对脑肿瘤分割研究中对肿瘤边缘分割不够精确,分割目标较小而背景因素过大的问题,提出改进的V-C-Net卷积神经网络模型.在原始的V-Net模型基础上,加入CBAM混合注意力机制,使模型更关注脑肿瘤图像的病变部分,结合三种损失函数优点并与训练次数间建立联系提出改进的联合损失函数,并对核磁共振脑肿瘤3D多模态医学图像做重叠分块预处理,利用改进的模型对BraTs数据集进行分割实验,并与FCN全卷积网络、3D-Unet神经网络、传统V-Net神经网络模型的分割效果做对比分析.模型在测试集上的Dice系数(DSC)、交并比(IoU)、敏感度(Sensitivity)、精确率(Precision)及豪斯多夫距离(HD)五个性能指标平均值分别为90.78％、89.68％、91.70％、96.48％、0.451,实验结果表明改进的V-C-Net模型对脑肿瘤病变部分分割性能更优.
文献关键词：
脑肿瘤分割;V-C-Net卷积神经网络;CBAM混合注意力机制;联合损失函数;重叠分块预处理
中图分类号：
作者姓名：
莫修源;吴丽丽;陆志翔
作者机构：
甘肃农业大学理学院,甘肃 兰州 730000;信息科学技术学院,甘肃 兰州 730000;中国科学院西北生态环境资源研究院中国科学院内陆河流域生态水文重点实验室,甘肃 兰州 730000
文献出处：
引用格式：
[1]莫修源;吴丽丽;陆志翔-.改进的V-C-Net卷积神经网络脑肿瘤图像多层次分割实验)[J].软件工程,2022(12):37-43
A类：
重叠分块预处理,BraTs
B类：
Net,多层次分割,脑肿瘤分割,边缘分割,背景因素,卷积神经网络模型,CBAM,混合注意力机制,数间,建立联系,联合损失函数,多模态医学图像,FCN,全卷积网络,Unet,分割效果,测试集,Dice,DSC,交并比,IoU,Sensitivity,精确率,Precision,豪斯多夫距离,HD,肿瘤病
AB值：
0.273235
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。
