典型文献
脊柱MR图像自动分割方法的研究
文献摘要：
脊柱磁共振(magnetic resonance,MR)图像精确分割是脊柱配准、三维重建等技术的前提.传统脊柱MR图像分割方法过程繁琐,精度低.为克服传统方法弊端,提出了一种基于深度学习的脊柱MR图像自动分割方法.该方法构建对称通道卷积神经网络提取多尺度图像特征,通过残差连接解决训练中网络退化问题,同时用跳跃连接层连接中间层特征减少信息丢失.在搭建的网络模型中加入卷积块注意力机制关注空间和通道中的有效特征.实验结果表明,该模型在测试集上的平均DSC系数为0.8619,相比FCN、U-Net、DeeplabV3+和UNet++网络模型分别提高了15.34％、7.08％、5.79％、3.1％.该模型可应用于临床实践中提升脊柱MR图像的分割精度.
文献关键词：
图像分割;对称通道卷积网络;残差连接;深度学习;多尺度特征
中图分类号：
作者姓名：
于文涛;张俊华;梅建华;罗旭东
作者机构：
云南大学 信息学院,昆明 650500;云南师范大学 信息学院,昆明 650500
文献出处：
引用格式：
[1]于文涛;张俊华;梅建华;罗旭东-.脊柱MR图像自动分割方法的研究)[J].计算机工程与应用,2022(22):203-209
A类：
对称通道卷积网络
B类：
脊柱,MR,图像自动分割,自动分割方法,magnetic,resonance,精确分割,配准,三维重建,图像分割,图像特征,残差连接,中网,跳跃连接,中间层,信息丢失,卷积块注意力机制,有效特征,测试集,DSC,FCN,DeeplabV3+,UNet++,多尺度特征
AB值：
0.344937
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。
