典型文献
基于Transformer的图像分割研究
文献摘要:
针对传统分割模型在医学图像分割中存在梯度消失和分割精度低的问题,该文在Transformer模型的基础上,采用改进的混合损失函数来帮助模型学习样本;同时,在每个跳跃连接过程中引入注意力机制,实现关注显著区域以及抑制无关背景区域的功能.对1 251组Brats2021磁共振图像测试集进行分割,并用Dice系数对分割效果进行评估,最终得到的平均Dice系数为0.882 1,在一定程度上提高了脑胶质瘤的分割性能.
文献关键词:
Transformer;注意力机制;混合损失函数
中图分类号:
作者姓名:
谭棚文;向红朵
作者机构:
重庆师范大学,重庆401331
文献出处:
引用格式:
[1]谭棚文;向红朵-.基于Transformer的图像分割研究)[J].中国新技术新产品,2022(08):23-26
A类:
Brats2021
B类:
Transformer,分割模型,医学图像分割,梯度消失,混合损失函数,模型学习,跳跃连接,连接过程,注意力机制,背景区域,磁共振图像,图像测试,测试集,Dice,分割效果,脑胶质瘤
AB值:
0.380819
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。