-
题名基于级联网络的肝脏肿瘤CT图像分割
- 1
-
-
作者
莫亚霓
陈晓婕
张本鑫
-
机构
桂林电子科技大学数学与计算科学学院
桂林电子科技大学计算机与信息安全学院
桂林电子科技大学电子工程与自动化学院
-
出处
《电视技术》
2024年第1期38-41,共4页
-
基金
国家级大学生创新训练项目(202210595041)。
-
文摘
肝脏肿瘤计算机断层扫描(Computed Tomography,CT)图像分割是肝癌诊断与治疗过程的重要环节。近年来,基于U型结构的卷积神经网络在该分割任务取得了巨大的成功,但仍存在一些挑战,如肿瘤边界分割不精确、小肿瘤难以检测等。为提高肝脏肿瘤的分割精度,提出一种级联网络MCPUNet用于肝脏肿瘤分割任务。MCPUNet引入MDB(MDconv Block)和MP(Mixing Pooling)以获取上下文信息,MDB通过混合深度可分离卷积和坐标注意力机制提取图像的多尺度特征,MP用于下采样减少图像尺寸。实验证明,与原始的U-Net模型相比,该模型在肝脏肿瘤分割任务上的交并比(Intersection over Union,IoU)、准确度和召回率指标分别提高3.8%、2.5%和2.0%,为肝癌诊断和治疗提供了可靠依据。
-
关键词
肝脏肿瘤分割
混合深度可分离卷积
级联网络
多尺度
注意力机制
-
Keywords
liver tumor segmentation
mixed depth-wise separable convolution
cascade network
multi-scale
attention mechanism
-
分类号
TP311.1
[自动化与计算机技术—计算机软件与理论]
-