首页|基于级联网络的肝脏肿瘤CT图像分割

基于级联网络的肝脏肿瘤CT图像分割

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
肝脏肿瘤计算机断层扫描(Computed Tomography,CT)图像分割是肝癌诊断与治疗过程的重要环节.近年来,基于U型结构的卷积神经网络在该分割任务取得了巨大的成功,但仍存在一些挑战,如肿瘤边界分割不精确、小肿瘤难以检测等.为提高肝脏肿瘤的分割精度,提出一种级联网络MCPUNet用于肝脏肿瘤分割任务.MCPUNet引入MDB(MDconv Block)和MP(Mixing Pooling)以获取上下文信息,MDB通过混合深度可分离卷积和坐标注意力机制提取图像的多尺度特征,MP用于下采样减少图像尺寸.实验证明,与原始的U-Net模型相比,该模型在肝脏肿瘤分割任务上的交并比(Intersection over Union,IoU)、准确度和召回率指标分别提高3.8％、2.5％和2.0％,为肝癌诊断和治疗提供了可靠依据.
CT Image Segmentation of Liver Tumor Based on Cascade Network

liver tumor segmentationmixed depth-wise separable convolutioncascade networkmulti-scaleattention mechanism

莫亚霓、陈晓婕、张本鑫

展开 >

桂林电子科技大学数学与计算科学学院,广西 桂林 541004

桂林电子科技大学计算机与信息安全学院,广西 桂林 541004

桂林电子科技大学电子工程与自动化学院,广西 桂林 541004

肝脏肿瘤分割 混合深度可分离卷积 级联网络 多尺度 注意力机制

国家级大学生创新训练项目

202210595041

2024

10.16280/j.videoe.2024.01.009

电视技术
电视电声研究所 中国电子科技集团公司第三研究所

电视技术

影响因子：0.496
ISSN：1002-8692
年,卷(期)：2024.48(1)
  • 6