首页|多尺度特征融合的轻量化膀胱癌MRI图像分割算法

多尺度特征融合的轻量化膀胱癌MRI图像分割算法

扫码查看
原文链接
  • 万方数据
  • 维普
膀胱癌MRI图像存在肿瘤边界不清晰、肿瘤区域较小、肿瘤分布不连续等问题,现有的分割算法参数量庞大,计算复杂,且分割精度有待提高.因此,设计了一种多尺度特征融合的轻量化膀胱癌分割算法(pyramidal convolution lightweight network,PylNet),该算法在编码阶段设计的多尺度语义特征提取模块可提取不同尺度的肿瘤区域信息,确保对微小肿瘤信息提取的可靠性和全面性;在解码阶段设计的融合模块可以在保证分割精度的同时,极大地减少算法参数量和复杂度.实验结果表明,相较于FCN8s、DeepLabV3+、U-Net等算法,PylNet算法分割精度有一定的提高,Dice系数达88.40％,参数量是FCN8s的1/13,可实现对膀胱MRI的快速分割.
Segmentation algorithm of lightweight bladder cancer MRI images based on multi-scale feature fusion

张娜、张永寿、李翔、丛金玉、李徐周、魏本征

展开 >

山东中医药大学智能与信息工程学院,山东济南250355

解放军第960医院医学工程科,山东济南250031

山东中医药大学医学人工智能研究中心,山东青岛266112

山东中医药大学第一临床医学院,山东济南250355

山东中医药大学青岛中医药科学院,山东青岛266112

山东青年政治学院信息工程学院,山东济南250103

展开 >

膀胱癌 MRI 轻量化 多尺度 分割

山东省自然科学基金面上项目山东省自然科学基金重大基础研究项目山东省自然科学基金重大基础研究项目

ZR2020KF013ZR2019ZD04ZR2020ZD44

2022

陕西师范大学学报(自然科学版)
陕西师范大学

陕西师范大学学报(自然科学版)

CSTPCDCSCD北大核心
影响因子：0.563
ISSN：1672-4291
年,卷(期)：2022.50(3)
  • 1
  • 9