典型文献
一种基于U-Net的脑肿瘤分割方法
文献摘要：
脑肿瘤MRI图像分割是脑肿瘤诊断和治疗的重要环节.对于脑肿瘤MR1医学图像存在难以精确分割的问题,在U-Net网络分割方法基础上进行了改进,于编码路径-解码路径的长连接中引入注意力模块,使网络模型关注需要分割区域的特征,避免信息冗余,以达到脑肿瘤图像精准分割的目的.此外,还提出一种基于Dice损失和焦点损失的混合损失函数,用以解决类不平衡问题,提高对肿瘤核心区域的分割效果.将改进模型及改进混合损失函数在BraTS2018和BraTS2019上进行实验.通过分析表明,与传统的U-Net相比,提出的分割方法在脑肿瘤不同区域的Dice值、精准率、敏感度均有提升,拥有更好的性能.
文献关键词：
脑肿瘤图像分割;U-Net网络;混合损失函数;残差模块
中图分类号：
作者姓名：
李秀华;王士奇;宋立明
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]李秀华;王士奇;宋立明-.一种基于U-Net的脑肿瘤分割方法)[J].长春工业大学学报,2022(06):693-699
A类：
BraTS2018
B类：
Net,脑肿瘤分割,分割方法,肿瘤诊断,诊断和治疗,MR1,医学图像,精确分割,方法基础,编码路径,解码,长连接,注意力模块,信息冗余,Dice,焦点损失,混合损失函数,类不平衡,不平衡问题,核心区域,分割效果,改进模型,BraTS2019,脑肿瘤图像分割,残差模块
AB值：
0.377378
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。
