典型文献
基于改进U-Net模型和CBAM的脑肿瘤MRI图像分割
文献摘要：
由于脑肿瘤图像分割常出现缺少上下文信息和分割效率低的情况,本文采用对U-Net模型改进的方法来解决此问题.首先,在U-Net中引入改进的残差块,其作用是对网络进行深化,便于提取更多的特征信息;然后通过加入CBAM机制的方法,使得网络更加关注某些特征层和空间区域,抑制非病灶区域的特征,以提高肿瘤分割的准确性.本文利用MICCAI提供的公开磁共振成像MRI数据集对改进模型进行验证,并利用Dice系数和精准率对模型进行评估,在整体、核心和增强肿瘤区两者分别达到0.883、0.80、0.789和0.899、0.845、0.804.结果显示,修改后的模型对脑肿瘤图像的分割精度和准确率均有所提高.
文献关键词：
深度学习;脑肿瘤分割;U-Net;CBAM注意力机制;深度残差模块
中图分类号：
作者姓名：
张晓倩;罗建;杨梅;金芊芊;朱熹
作者机构：
西华师范大学电子信息工程学院,南充 637009
文献出处：
引用格式：
[1]张晓倩;罗建;杨梅;金芊芊;朱熹-.基于改进U-Net模型和CBAM的脑肿瘤MRI图像分割)[J].现代计算机,2022(16):60-66
A类：
B类：
Net,CBAM,脑肿瘤图像分割,上下文信息,模型改进,残差块,特征信息,空间区域,MICCAI,磁共振成像,改进模型,Dice,肿瘤区,脑肿瘤分割,注意力机制,深度残差模块
AB值：
0.346085
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。
