基于空洞多尺度U-Net的胸部图像分割方法

基于深度学习地进行X射线胸片疾病检测方法研究是具有挑战性的。针对胸部X射线图像中疾病诊断与病变区域定位,提出一种基于空洞多尺度U-Net的胸部图像分割方法。该方法把提取到的多尺度信息与本身网络对应通道信息进行融合,从而实现不同感受野的上下文信息融合和图像的表层轮廓信息和深层纹理信息的融合,无论是大尺度目标分割还是小尺度目标分割均可以获得更完备的语义信息。实验结果表明,该方法能够为疾病分类、病灶区域定位等问题提供技术支持,具有非常重要的临床实际应用价值。

基于超像素与U-Net相结合的作物叶部病害检测方法

作物病害严重影响作物的产量和质量。作物病害的准确识别和及时防治是保证作物产量的重要措施。在超像素和U-Net相结合的基础上,提出一种作物叶部病害检测方法。通过将作物叶部病害检测方法运用于作物叶部病害图像数据集上进行检测实验,实验结果表明,研究所提出的检测方法具有可行性且实验效果显著。