典型文献
基于双路径网络和注意力机制的胰腺图像分割
文献摘要：
针对胰腺CT图像因类别不平衡、背景分散和非刚性几何特征的特性而分割精度不高的问题,提出一种基于Unet网络,采用改进的双路径网络和通道域注意力机制的图像分割模型.首先采用空洞卷积(DilatedConv)代替传统卷积优化双路径网络,扩大感受野,让每个卷积输出都包含较大范围的信息;再将双路径网络的编码器结构引入Unet网络,加强特征的重复利用和新特征的不断探索,获取更多图像细节信息;在此改进网络基础上引入通道域注意力机制,聚焦分割重要部位,提高分割准确率.实验数据表明,设计的网络最高Dice相似系数(DSC)达到了89.81％,最低DSC为72.33％,平均DSC为(85.82±4.73)％.结果表明该模型具有较高的准确率,准确分割胰腺是计算机辅助诊断的重要前提,其研究意义重大.
文献关键词：
图像处理;胰腺CT图像;空洞卷积;Unet网络;双路径网络;通道域注意力机制;计算机辅助诊断
中图分类号：
作者姓名：
王嘉瑶;吕晓琪;谷宇;张明
作者机构：
内蒙古科技大学 信息工程学院 模式识别与智能图像处理重点实验室,内蒙古 包头 014010;内蒙古工业大学 信息工程学院,内蒙古 呼和浩特 010051;大连海事大学 信息科学技术学院,辽宁 大连 116026
文献出处：
引用格式：
[1]王嘉瑶;吕晓琪;谷宇;张明-.基于双路径网络和注意力机制的胰腺图像分割)[J].现代电子技术,2022(07):47-52
A类：
DilatedConv
B类：
双路径网络,图像分割,类别不平衡,几何特征,Unet,通道域注意力机制,分割模型,空洞卷积,卷积优化,感受野,编码器,重复利用,新特征,多图像,细节信息,进网,网络基础,Dice,相似系数,DSC,计算机辅助诊断,研究意义
AB值：
0.243639
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。
