首页|基于改进U-Net模型和CBAM的脑肿瘤MRI图像分割

基于改进U-Net模型和CBAM的脑肿瘤MRI图像分割

MRI Image Segmentation of Brain Tumor Based on Improved U-Net Model and CBAM

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
由于脑肿瘤图像分割常出现缺少上下文信息和分割效率低的情况,本文采用对U-Net模型改进的方法来解决此问题.首先,在U-Net中引入改进的残差块,其作用是对网络进行深化,便于提取更多的特征信息;然后通过加入CBAM机制的方法,使得网络更加关注某些特征层和空间区域,抑制非病灶区域的特征,以提高肿瘤分割的准确性.本文利用MICCAI提供的公开磁共振成像MRI数据集对改进模型进行验证,并利用Dice系数和精准率对模型进行评估,在整体、核心和增强肿瘤区两者分别达到0.883、0.80、0.789和0.899、0.845、0.804.结果显示,修改后的模型对脑肿瘤图像的分割精度和准确率均有所提高.

张晓倩、罗建、杨梅、金芊芊、朱熹

展开 >

西华师范大学电子信息工程学院,南充 637009

深度学习 脑肿瘤分割 U-Net CBAM注意力机制 深度残差模块

四川省教育厅重点项目西华师范大学英才科研基金

14ZA012317YC157

2022

10.3969/j.issn.1007-1423.2022.16.012

现代计算机
中大控股

现代计算机

影响因子：0.292
ISSN：1007-1423
年,卷(期)：2022.28(16)
  • 3