首页|改进Unet++在脑肿瘤图像分割的研究

改进Unet++在脑肿瘤图像分割的研究

Research on segmentation of brain tumor image based on improved Unet++

扫码查看
原文链接
  • NETL
  • NSTL
  • 维普
  • 万方数据
针对计算机辅助脑肿瘤图像分割精度不高,提出改进的密集连接网络Unet++脑肿瘤自动分割网络.分别将残差块和数据相关型上采样Dupsampling融入网络的编码、解码部分,提高特征提取的能力并防止梯度消失;使用Mish激活函数代替Relu激活函数,更平滑的曲线有助于提升网络的非线性特征提取能力和泛化性;使用交叉熵和Dice结合的损失函数,进一步提升分割精度.该方法在BraTs2019部分数据上验证,在全肿瘤、核心肿瘤和增强肿瘤分割结果的Dice系数分别达到0.9236、0.8745、0.8404,豪斯多夫距离为1.806、2.994、1.865,优于大多数脑肿瘤分割模型.

侯奕辰、彭辉、谢俊章、曾庆喜

展开 >

成都信息工程大学 软件工程学院,四川 成都 610200

脑肿瘤分割 密集连接网络Unet++ 残差块 数据相关型上采样Dupsampling Mish激活函数

四川省科技计划

2019YJ0356

2022

10.16208/j.issn1000-7024.2022.06.029

计算机工程与设计
中国航天科工集团二院706所

计算机工程与设计

CSTPCD北大核心
影响因子：0.617
ISSN：1000-7024
年,卷(期)：2022.43(6)
  • 6
  • 3