基于U-Net++的人体脊椎MRI图像识别

医学图像分割是疾病诊断和治疗的重要组成部分,通常由经验丰富的医生或专家手动完成。随着医学成像技术的发展,医学图像的规模快速增长,给医学专家带来了大量且繁琐的工作。因此,许多研究人员提出了医学图像自动分割方法。其中,深度学习近年来已成为医学图像分割任务的首选方法。为此,提出了一种基于U-Net++的脊椎MRI图像分割方法,剪掉了U-Net++的L4阶段,简化了计算量,并改进了YOLOv3模型,用于人体椎间盘检测。实验结果表明,进行剪枝后的网络在实验时间上较原来的方法减少了一半,m AP提升到了81.49%。该方法准确率达到了良好水平,并一定程度上减小了计算量。