典型文献
基于改进U-net++的超声图像结直肠子宫内膜异位区域检测
文献摘要：
探究基于改进U-net++网络以及增加多通道特征融合的方法,实现准确高效的超声图像结直肠子宫内膜异位区域自动检测.所提神经网络在U-net++为原型的分割网络上进行改进,采用端到端的结构,输入超声图像和其边缘提取图像,输出结直肠子宫内膜异位区域检测结果.实验数据来自深圳市人民医院的166例结直肠子宫内膜异位患者的超声内镜图像,随机选择133例作为训练样本,33例测试样本.在网络训练过程中,采用十折交叉验证法进行验证.结果说明:在33例测试集样本上,方法最终的平均检出率、精确率、召回率分别为90.9％、72.4％、89.8％.改进神经网络以及多通道特征融合输入的方式可自动检测结直肠子宫内膜异位区域,且检测鲁棒性及精度较高,可作为参考辅助医生进行临床决策和干预.
文献关键词：
结直肠子宫内膜异位症;U-net++;深度学习;医学图像处理;特征融合
中图分类号：
作者姓名：
郭移洁;叶萍;孙京文;石思远;石盼;常兆华
作者机构：
上海理工大学健康科学与工程学院,上海200093;上海微创卜算子医疗科技有限公司,上海200120;同济大学浙江学院,浙江嘉兴314051
文献出处：
引用格式：
[1]郭移洁;叶萍;孙京文;石思远;石盼;常兆华-.基于改进U-net++的超声图像结直肠子宫内膜异位区域检测)[J].光学技术,2022(05):627-633
A类：
net++,结直肠子宫内膜异位症
B类：
超声图像,区域检测,多通道特征,通道特征融合,自动检测,提神,分割网络,端到端,入超,边缘提取,超声内镜,内镜图像,随机选择,训练样本,网络训练,训练过程,十折交叉验证法,测试集,精确率,召回率,改进神经网络,临床决策,医学图像处理
AB值：
0.177698
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。
