典型文献
一种针对膝关节CT图像分割的卷积神经网络
文献摘要：
针对现有的膝关节CT图像分割方法耗时长、精度低的问题,文中提出一种改进U?Net的卷积神经网络.首先,该网络将添加批归一化层的残差模块作为U?Net编码过程的主要单元,以增加对图像特征的提取能力,克服网络训练过程中可能产生的梯度消失和梯度爆炸问题;其次,把Attention U?Net中的注意力门加入到U?Net解码过程的前3个阶段,在尽量减少网络复杂性的同时突出模型对图像重要特征的学习;最后,该网络结合Adam一阶优化算法和Focal Loss损失函数实现膝关节CT图像的精准分割.在膝关节CT图像数据集上,Dice系数、IOU系数精度分别达到96.5％,93.4％,豪斯多夫距离减小到(3.2±1.3)mm.相比U?Net和SegNet模型,文中算法在膝关节CT图像的分割方面精度更高,网络训练时间减少,平均预测每张图像的效率也有较大提高.
文献关键词：
图像分割;膝关节CT图像;卷积神经网络;医学图像处理;残差模块;注意力门;U-Net;损失函数
中图分类号：
作者姓名：
吴江平;郑馨
作者机构：
安庆师范大学 计算机与信息学院,安徽 安庆 246052;安徽省智能感知与计算重点实验室,安徽 安庆 246052
文献出处：
引用格式：
[1]吴江平;郑馨-.一种针对膝关节CT图像分割的卷积神经网络)[J].现代电子技术,2022(18):133-137
A类：
B类：
膝关节,图像分割,分割方法,批归一化层,残差模块,图像特征,特征的提取,网络训练,训练过程,梯度消失,Attention,注意力门,解码,尽量减少,网络复杂性,出模,Adam,一阶优化,Focal,Loss,损失函数,图像数据集,Dice,IOU,豪斯多夫距离,SegNet,训练时间,每张,医学图像处理
AB值：
0.350323
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。
