典型文献
基于改进Res-Unet的脑肿瘤核磁图像分割算法
文献摘要：
针对全卷积网络在脑肿瘤核磁图像分割中信息丢失严重,分割精度差等问题,提出一种基于改进Res-Unet模型的脑肿瘤核磁图像分割算法.通过将深度残差结构融入到U-Net网络得到具有104个卷积层的深层Res-Unet 网络,并将dropout整合到网络中减少训练过拟合,提高了网络的深度,加强了网络对特征表达的准确度.最后引入注意力机制,充分利用脑肿瘤核磁图像的空间信息和上下文信息.该算法采用Dice系数等指标评价,肿瘤整体区域达到0.90分,肿瘤核心区域为0.83分,肿瘤增强区域为0.80分.相比传统网络分割模型,本算法具有更好的分割性能.
文献关键词：
脑肿瘤分割;图像处理;深度残差模块;注意力机制;U-Net
中图分类号：
作者姓名：
单立群;汤敏;刘彦昌;白雪原;孟凡月
作者机构：
东北石油大学物理与电子工程学院,大庆163318;东北石油大学电气信息工程学院,大庆163318
文献出处：
引用格式：
[1]单立群;汤敏;刘彦昌;白雪原;孟凡月-.基于改进Res-Unet的脑肿瘤核磁图像分割算法)[J].自动化与仪器仪表,2022(08):13-18,23
A类：
核磁图像
B类：
Res,Unet,图像分割算法,全卷积网络,中信,信息丢失,深度残差结构,Net,卷积层,dropout,合到,少训练,过拟合,特征表达,注意力机制,用脑,空间信息,上下文信息,Dice,指标评价,核心区域,分割模型,脑肿瘤分割,深度残差模块
AB值：
0.329371
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。
