首页|基于循环密集连接融合更多局部特征的肝脏分割

基于循环密集连接融合更多局部特征的肝脏分割

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
由于腹部图像中肝脏区域的复杂性和传统分割方法特征提取上的局限性等原因,肝脏分割领域仍存在着很多挑战.针对现有分割网络在肝脏区域的全局信息和局部信息处理上存在的不足,设计了一种融合更多局部特征的循环密集连接网络的分割方法.该方法将循环密集连接模块和局部特征补充模块整合为编码过程的学习单元,使编码单元融合深层次全局信息和更多尺度的局部特征信息.最后,在解码过程后,利用softmax函数输出分割结果.在LiTS数据集上该方法在多个评价指标中表现优异,精确度达到了95.1％.此外,在Data_67数据集上的相关实验也证明了该方法具有很好的泛化性能.实验表明,密集连接融合更多的局部信息,能够使肝脏分割模型的性能更加优异.
Liver segmentation of circular densely connected network based on more local information

宋阳、刘哲

展开 >

江苏大学 计算机科学与通信工程学院,江苏 镇江212013

肝脏分割 密集连接 多尺度特征 注意力机制 卷积神经网络 深度学习

6197610661772242615722392017M611737DZXX-122SHW2017019

2021

10.19734/j.issn.1001-3695.2020.08.0391

计算机应用研究
四川省电子计算机应用研究中心

计算机应用研究

CSTPCDCSCD北大核心
影响因子：0.93
ISSN：1001-3695
年,卷(期)：2021.38(8)
  • 1
  • 2