典型文献
基于注意力空洞U-Net的MRI图像分割方法
文献摘要：
磁共振图像中多发性硬化症的形状差异较大,导致传统方法对多发性硬化症的分割效果不佳.针对该问题,提出一种基于注意力空洞U-Net的医学图像分割方法.在U-Net级联结构中用密集空洞残差块代替传统的卷积层,以此自适应地调节每个尺度的感受野,从而提取各尺度下的重要信息;在U-Net编码器与解码器的同尺度特征图之间增加注意力模块,以此增加各尺度特征图中感兴趣区域的权重,减少非感兴趣区域的权重,从而避免信息冗余;采用混合损失函数在多尺度特征图上完成训练,以此解决多发性硬化症分割的不平衡分类问题.对比实验结果表明,在测试集上的分割精度比U-Net提升了 10.8％.
文献关键词：
注意力机制;图像分割;医学图像;深度学习
中图分类号：
作者姓名：
邹利华;吉珊珊
作者机构：
东莞职业技术学院电子信息学院,广东东莞523808;东莞职业技术学院人工智能学院,广东东莞523808
文献出处：
引用格式：
[1]邹利华;吉珊珊-.基于注意力空洞U-Net的MRI图像分割方法)[J].光学技术,2022(05):634-640
A类：
B类：
Net,分割方法,磁共振图像,多发性硬化症,分割效果,医学图像分割,级联结构,空洞残差,残差块,卷积层,感受野,重要信息,编码器,解码器,注意力模块,感兴趣区域,信息冗余,混合损失函数,多尺度特征图,不平衡分类,分类问题,测试集,注意力机制
AB值：
0.280684
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。
