基于RepMLP的肝脏CT影像分割

随着人工智能技术的发展,越来越多的ConvNet模型结构被应用到医学影像领域,但是大多数传统的Conv Net模型结构是通过卷积层扩大视野来模拟长期依赖性,重复的局部操作影响了效率,因此本文应用了RepMLP,一种多层感知器风格的神经网络构建模块来提高效率,准确度更高。本文综述了基于RepMLP的语义分割在肝脏CT影像中的应用,介绍了RepMLP的原理以及在医学影像领域的意义,并且使用了多个神经网络经典模型,将多个实验数据进行对比。通过RepMLP语义分割的试验数据对比得到了结论,在肝脏CT影像分割中RepMLP得到了较好的成绩。试验数据表明,该RepMLP模型能在肝脏CT影像分割中具有更高的效率,更高的精确度。