典型文献
基于Ghost Module的轻量级脑肿瘤3D MRI分割研究
文献摘要：
针对当下三维CNN对脑肿瘤MRI分割时训练参数量过大、网络收敛性差、训练时间过长的问题,提出S-GG Net.先通过对轻量级结构Ghost Module进行改进形成Shuffle-Ghost Module;并以此为基础单元形成两种残差结构,网络仿造U-Net结构分别对网络的压缩路径、扩展路径进行重新构建.在公开的脑肿瘤数据集BraTs进行实验得知,文中方法在大幅缩减参数量的情况下,仍然能够保证训练效果.
文献关键词：
脑肿瘤分割;3DMRI;轻量级改进;S-GGNet
中图分类号：
作者姓名：
刘丽伟;赵强
作者机构：
长春工业大学计算机科学与工程学院,吉林长春 130102
文献出处：
引用格式：
[1]刘丽伟;赵强-.基于Ghost Module的轻量级脑肿瘤3D MRI分割研究)[J].长春工业大学学报,2022(06):686-692
A类：
BraTs,3DMRI,轻量级改进,GGNet
B类：
Ghost,Module,参数量,量过大,网络收敛,收敛性,训练时间,Shuffle,基础单元,单元形,残差结构,仿造,扩展路径,中方,训练效果,脑肿瘤分割
AB值：
0.317585
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。
