首页|基于Attention-ResUNet的肝脏肿瘤分割算法

基于Attention-ResUNet的肝脏肿瘤分割算法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为了给患者下一步诊疗提供判断依据,研究了利用CT图像对肝脏肿瘤区域进行自动分割,提出一种新的深度神经网络Attention-ResUNet.该网络重新设计U-Net的编解码结构,在特征提取模块中结合残差模块来加强了特征映射,并利用通道注意力机制和空间注意力机制对特征重新标定,增强有效特征,使得特征能够高效传输.实验表明,Attention-ResUNet在3D-IRCADb数据集和LiTS数据集均能取得接近标注数据的分割性能.
Liver tumor segmentation algorithm based on Attention-ResUNet

CT imagesresidual netliver tumor segmentationU-Netattention mechanism

陈哲、童基均、潘哲毅

展开 >

浙江理工大学信息科学与工程学院,浙江 杭州 310018

中国人民武装警察部队海警总队医院信息科

CT图像 残差模块 肝脏肿瘤分割 U-Net 注意力机制

嘉兴市科技计划

2021AD30081

2023

10.16644/j.cnki.cn33-1094/tp.2023.10.021

计算机时代
浙江省计算技术研究所　浙江省计算机学会

计算机时代

影响因子：0.411
ISSN：1006-8228
年,卷(期)：2023.(10)
  • 14