典型文献
采用DoubleUNet网络的结直肠息肉分割算法
文献摘要：
由于结直肠息肉的大小、颜色和质地各异,且息肉与周围粘膜的边界不清晰,导致息肉分割存在较大挑战.为提高结直肠息肉的分割准确率,本文提出了一种改进的DoubleUNet网络分割算法.该算法首先对息肉图像进行去反光处理,并通过数据扩增方法将训练数据集进行扩大;接着,在DoubleUNet网络的解码器部分引入注意力机制,并将网络中的空洞空间卷积池化金字塔(ASPP)模块替换为密集连接空洞空间卷积池化金字塔(DenseASPP)模块,以提高网络提取特征的能力;最后,为提高小目标的分割精度,提出利用Focal Tversky Loss函数作为本算法的损失函数.该算法在Kvasir-SEG、CVC-ClinicDB、ETIS-Larib、ISIC和DSB数据集测试中的准确率分别为0.9530、0.9642、0.8157、0.9503和0.9641,而DoubleUNet算法在上述数据集的准确率分别为0.9394、0.9592、0.8007、0.9459和0.9496.实验结果表明本文算法相对于DoubleUNet算法具有更好的分割效果,可以有效的辅助医师切除结直肠异常组织从而降低息肉癌变的概率,且能够应用于其它医学图像分割任务中.
文献关键词：
图像分割;结直肠息肉;空洞卷积;注意力机制;条件随机场
中图分类号：
作者姓名：
徐昌佳;易见兵;曹锋;方旺盛
作者机构：
江西理工大学信息工程学院,江西赣州341000
文献出处：
引用格式：
[1]徐昌佳;易见兵;曹锋;方旺盛-.采用DoubleUNet网络的结直肠息肉分割算法)[J].光学精密工程,2022(08):970-983
A类：
DoubleUNet,ETIS,Larib
B类：
结直肠息肉,息肉分割,分割算法,粘膜,反光处理,数据扩增,增方,训练数据集,解码器,注意力机制,空洞空间卷积池化金字塔,密集连接,DenseASPP,提取特征,高小,小目标,Focal,Tversky,Loss,损失函数,Kvasir,SEG,CVC,ClinicDB,ISIC,DSB,分割效果,异常组织,低息,癌变,医学图像分割,空洞卷积,条件随机场
AB值：
0.337337
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。
