期刊文献+
共找到423篇文章
< 1 2 22 >
每页显示 20 50 100
集成全尺度融合和循环注意力的医学图像分割网络
1
作者 单昕昕 李凯 文颖 《计算机科学》 CSCD 北大核心 2024年第5期100-107,共8页
深度学习中的编解码网络在图像特征提取和分层特征融合方面具有卓越的性能,常被用于医学图像分割。但是,目前主流的编解码网络分割方法仍面临编码和解码阶段单一网络挖掘的图像特征信息不足,以及仅使用简单的跳跃连接而无法充分利用全... 深度学习中的编解码网络在图像特征提取和分层特征融合方面具有卓越的性能,常被用于医学图像分割。但是,目前主流的编解码网络分割方法仍面临编码和解码阶段单一网络挖掘的图像特征信息不足,以及仅使用简单的跳跃连接而无法充分利用全尺度特征包含的粗粒度信息和细粒度信息等问题。为了解决上述问题,提出了一种集成全尺度融合和循环注意力的医学图像分割网络。首先,在U-Net编码器中加入了结合多层感知机(MLP)的卷积MLP模块来提取图像的全局特征信息,用于扩大编码器的特征感受野。其次,通过全尺度特征融合模块使得各尺度跳跃连接特征进行粗粒度信息和细粒度信息的有效融合,减小各尺度跳跃连接特征间的语义差异,突出图像的关键特征信息。最后,解码器通过提出的结合循环神经网络(RNN)和注意力机制的循环注意力解码模块(RADU)来逐级精细化图像特征信息,加强特征提取的同时避免信息冗余,并得到高精度分割结果。在4个数据集上将所提方法与主流较优的方法进行比较,所提方法在像素精度和骰子相似系数两个指标上的图像分割精度均有提高。因此,所提出的用于医学图像分割的编解码网络利用全尺度特征融合模块和循环注意力解码模块,能够获得较优异的高精度分割结果,并且模型具有良好的噪声鲁棒性和抗干扰能力。 展开更多
关键词 医学图像分割 编解码网络 多层感知机 全尺度特征融合 注意力机制 循环神经网络
下载PDF
基于因果约束的Transformer医学图像分割方法
2
作者 郭冠辰 李军 +2 位作者 蔡程飞 焦一平 徐军 《数据与计算发展前沿》 CSCD 2024年第2期89-100,共12页
【目的】数据分布对深度学习模型的性能影响较大。模型学习了与分割目标无关的特征后,这些无关特征通常不适用于新的数据集,从而导致模型泛化能力不足。【方法】为缓解这一问题,本文提出基于因果约束的Transformer医学图像分割方法。以M... 【目的】数据分布对深度学习模型的性能影响较大。模型学习了与分割目标无关的特征后,这些无关特征通常不适用于新的数据集,从而导致模型泛化能力不足。【方法】为缓解这一问题,本文提出基于因果约束的Transformer医学图像分割方法。以MCRformer为网络主体,利用形态约束流模块提取形态约束先验信息,网状Transformer进一步提取局部信息和网络各层次信息,并加入因果约束模块降低目标区域相关特征和无关特征之间的相关性,通过形态先验和因果先验信息为模型选出具有代表性的特征,最终提高分割性能。【结果】在公开数据集Synapse上,Dice相关系数和Hausdorff距离的均值分别达到了80.01%和19.39 mm,在公开数据集ACDC上,Dice相关系数均值达到了90.95%,优于其他对比方法。【结论】实验证明,本文提出的方法可以有效提升CT和MRI中多器官的分割性能,并验证因果约束模块在不同模型上的有效性。 展开更多
关键词 医学图像分割 形态约束 TRANSFORMER 因果约束
下载PDF
ConvUCaps:基于卷积胶囊网络的医学图像分割模型
3
作者 邓希泉 陈刚 《计算机工程与应用》 CSCD 北大核心 2024年第8期258-266,共9页
在医学影像分割领域,U-Net网络是目前最成功和最受关注的方法之一,但是U-Net本质上是一种经过改造的全卷积神经网络模型,要获得更为全面和准确的局部-整体关系,不但需要增加网络层次从而加大计算量,而且效果也并不明显。胶囊网络提供了... 在医学影像分割领域,U-Net网络是目前最成功和最受关注的方法之一,但是U-Net本质上是一种经过改造的全卷积神经网络模型,要获得更为全面和准确的局部-整体关系,不但需要增加网络层次从而加大计算量,而且效果也并不明显。胶囊网络提供了一种有效的建模图像的局部与整体关系的方法,可以用更少的参数取得好的性能。但原始的胶囊网络并没有充分考虑图像局部特征的粒度问题,将其应用在医学图像分割领域还需进一步改造。因此,提出一种将U-Net和胶囊网络相结合的医学图像分割模型ConvUCaps。该模型对U-Net的编码器部分进行改进,使用卷积模块学习不同尺度的局部特征,然后通过胶囊模块学习高层特征,并建模局部与整体之间的关系。实验结果表明,相比U-Net、UNet++、SegCaps、Matwo-CapsNet网络,ConvUCaps提高了分割精度和收敛速度,同时,与单纯基于胶囊网络的分割模型相比,显著减少了推理时间。 展开更多
关键词 医学图像分割 卷积神经网络 U-Net网络 胶囊网络
下载PDF
Hyper-SegUNet:基于超网络的超参自学习医学图像分割模型
4
作者 郭逸凡 裴瑄 +1 位作者 王大寒 陈培芝 《四川师范大学学报(自然科学版)》 CAS 2024年第1期127-135,共9页
为解决在训练UNet及其变种时需要手动选择超参数的缺陷,提出一种嵌入超网络(Hypernetworks)的医学图像分割模型Hyper-SegUNet.首先,构建编码器和解码器组成的U型网络结构.然后,将多组超参数作为解码器的输入单元,进而输出多组不同超参... 为解决在训练UNet及其变种时需要手动选择超参数的缺陷,提出一种嵌入超网络(Hypernetworks)的医学图像分割模型Hyper-SegUNet.首先,构建编码器和解码器组成的U型网络结构.然后,将多组超参数作为解码器的输入单元,进而输出多组不同超参数下的性能,并从中挑选最优超参数.在腹部多器官分割数据集Synapse和心脏单器官分割数据集ACDC的实验结果表明,该模型可以自动选择超参数,而且分割准确性优于基线方法. 展开更多
关键词 医学图像分割 超网络 超参数搜索 深度学习
下载PDF
面向医学图像分割的CNN与Transformer混合模型
5
作者 王茜 蔡英 +1 位作者 范艳芳 王昀 《北京信息科技大学学报(自然科学版)》 2024年第2期15-20,34,共7页
由于医学图像具有对比度低、目标形态复杂和边缘模糊等特点,现有模型的分割准确度无法满足高精度建模和自动化手术的要求。针对这一情况,结合卷积神经网络(convolutional neural networks, CNN)出色的局部特征提取能力和Transformer长... 由于医学图像具有对比度低、目标形态复杂和边缘模糊等特点,现有模型的分割准确度无法满足高精度建模和自动化手术的要求。针对这一情况,结合卷积神经网络(convolutional neural networks, CNN)出色的局部特征提取能力和Transformer长距离建模的优势,提出了一种基于二者的混合架构分割模型ParaCNNFormer。ParaCNNFormer是一种U型结构分割模型,其编码器与解码器均采用CNN与Swin Transformer并联的混合架构,利用CNN提取局部细节特征,同时利用Swin Transformer建立长距离依赖,有效提高了分割准确度。在CHAOS和DSB18数据集上的对比实验结果表明,骰子系数相较于流行的TransUnet和SwinUnet均有明显提升。 展开更多
关键词 医学图像分割 TRANSFORMER 卷积神经网络 混合架构
下载PDF
基于元学习和神经架构搜索的半监督医学图像分割方法
6
作者 于智洪 李菲菲 《电子科技》 2024年第1期17-23,共7页
多数医学图像分割方法主要在相同或者相似医疗数据领域进行训练和评估,意味其需要大量像素级别的标注。但这些模型在领域分布外的数据集上面临挑战,被称为“域偏移”问题。通常使用固定的U形分割架构解决该问题,导致其无法更好地适应特... 多数医学图像分割方法主要在相同或者相似医疗数据领域进行训练和评估,意味其需要大量像素级别的标注。但这些模型在领域分布外的数据集上面临挑战,被称为“域偏移”问题。通常使用固定的U形分割架构解决该问题,导致其无法更好地适应特定分割任务。文中提出了一种基于梯度的元学习与神经架构搜索方法,可以根据特定任务调整分割网络以实现良好的性能并且拥有良好的泛化能力。该方法主要使用特定任务进行架构搜索模块来进一步提升分割效果,再使用基于梯度的元学习训练算法提升泛化能力。在公共数据集M&Ms上,在5%标签数据下,其Dice和Hausdorff distance分别为79.62%、15.38%。在2%标签数据下,其Dice和Hausdorff distance分别为74.03%、17.05%。与其他主流方法相比,文中所提方法拥有更好的泛化能力。 展开更多
关键词 医学图像分割 元学习 神经架构搜索 域泛化 解耦表示 半监督学习 卷积神经网络 深度学习
下载PDF
基于DH-Swin Unet的医学图像分割算法
7
作者 王艺妮 时宏伟 《计算机系统应用》 2024年第3期206-212,共7页
骨关节疾病自古以来是人类最高发的疾病之一,随着老龄化的不断加快,这类疾病日趋广泛,关节外科医师面临着巨大挑战.对人体关节的图像分割方法研究可以帮助医生进行临床诊断和治疗,然而,由于存在噪声、模糊、对比度低等问题,医学图像的... 骨关节疾病自古以来是人类最高发的疾病之一,随着老龄化的不断加快,这类疾病日趋广泛,关节外科医师面临着巨大挑战.对人体关节的图像分割方法研究可以帮助医生进行临床诊断和治疗,然而,由于存在噪声、模糊、对比度低等问题,医学图像的特征提取比普通图像更具挑战性,而且目前大多数分割模型在编码器和解码器之间都采用了普通的跳跃连接,没有注重解决跳跃连接过程中的信息间隙和损失问题.为解决这些问题,提出一种基于DH-Swin Unet的医学图像分割算法,该模型在Swin-Unet模型的基础上,在跳跃连接中引入密集连接的Swin Transformer块,并加入混合注意力机制,来强化网络的特征信息传递.通过在某三甲医院提供的真实临床数据对所提方法的性能进行评价,结果表明,所提出的方法取得了DSC为86.79%、HD为32.05 mm的分割结果,在关节疾病的临床诊断中具有一定的实用价值. 展开更多
关键词 U-Net 跳跃连接 医学图像分割 Swin Transformer 注意力机制
下载PDF
移窗自注意力与卷积融合的医学图像分割网络
8
作者 郑言瑞 张淑军 王鸿雁 《计算机仿真》 2024年第2期261-267,288,共8页
医学图像分割是临床诊疗中的关键技术,为疾病诊断提供可靠依据。由于病灶或器官等区域尺度不一、小目标难以辨识,且边界信息较弱,容易导致过分割或欠分割问题。提出一种移窗自注意力与卷积融合的医学图像分割网络STrongUNet,使用卷积提... 医学图像分割是临床诊疗中的关键技术,为疾病诊断提供可靠依据。由于病灶或器官等区域尺度不一、小目标难以辨识,且边界信息较弱,容易导致过分割或欠分割问题。提出一种移窗自注意力与卷积融合的医学图像分割网络STrongUNet,使用卷积提取浅层特征,小感受野获得细粒度信息;通过移窗自注意力机制对局部信息进行增强提取,解决长距离依赖问题;编码器和解码器结构对称,并用两种跳跃连接方式融合高级和低级特征,实现多尺度融合的精准分割。在多器官分割数据集Synapse上的实验表明,在Dice相似系数(DSC)和Hausdorff距离(HD)评估度量上至少提高了1.94%和4.99%。 展开更多
关键词 医学图像分割 编解码网络 卷积神经网络 注意力机制
下载PDF
一种改进的小样本医学图像分割算法研究
9
作者 罗兆林 宋亚男 +1 位作者 徐荣华 萧飞鹏 《无线互联科技》 2024年第7期1-7,12,共8页
文章针对医学图像的小样本特点和分割模型泛化能力差的问题,提出了一种基于元学习的医学图像分割网络。文章首先在3D U-Net网络基础上,将其下采样模块从两层三维卷积层增加为三层,将每层三维卷积层的批归一化改进为组归一化;其次在U型... 文章针对医学图像的小样本特点和分割模型泛化能力差的问题,提出了一种基于元学习的医学图像分割网络。文章首先在3D U-Net网络基础上,将其下采样模块从两层三维卷积层增加为三层,将每层三维卷积层的批归一化改进为组归一化;其次在U型网络编解码器连接处,引入Transformer模块,增强模型提取全局信息的能力;在U型网络跳跃连接处引入了改进的注意力门机制,原理是替换其中的批归一化改进为组归一化,优化使用低批次来训练模型的效果,将Softmax激活函数替换为ReLU激活函数;最后使用模型无关元学习(Model Agnostic Meta Learning,MAML)算法训练模型。在公开数据集M&Ms上的实验结果表明,文章算法的Dice评分和Hausdorff距离分别为69.9%和11.88 mm,与其他主流算法对比,分割精度更优,泛化能力更好。 展开更多
关键词 小样本学习 元学习 医学图像分割 注意力机制
下载PDF
改进U-Net的多级边缘增强医学图像分割网络
10
作者 胡帅 李华玲 郝德琛 《计算机工程》 CAS CSCD 北大核心 2024年第4期286-293,共8页
医学图像分割精度对医师临床诊疗起到关键作用,但由于医学图像的复杂性以及目标区域的多样性,造成现有医学图像分割方法存在边缘区域分割不完整和上下文特征信息利用不充分的问题。为此,提出一种改进U-Net的多级边缘增强(MEE)医学图像... 医学图像分割精度对医师临床诊疗起到关键作用,但由于医学图像的复杂性以及目标区域的多样性,造成现有医学图像分割方法存在边缘区域分割不完整和上下文特征信息利用不充分的问题。为此,提出一种改进U-Net的多级边缘增强(MEE)医学图像分割网络(MDU-Net)模型。首先,在编码器结构中加入提取双层低级特征信息的MEE模块,通过不同扩张率的扩张卷积块获取特征层中丰富的边缘信息。其次,在跳跃连接中嵌入融合相邻层特征信息的细节特征关联(DFA)模块,以获取深层次和多尺度的上下文特征信息。最后,在解码器结构对应特征层中聚合不同模块所提取的特征信息,通过上采样操作得到最终的分割结果。在2个公开数据集上的实验结果表明,与用于医学图像分割的Transformers强编码器(TransUNet)等模型相比,MDU-Net模型能够高效使用医学图像中不同特征层的特征信息,并在边缘区域取得了更好的分割效果。 展开更多
关键词 医学图像分割 多级边缘增强模块 注意力模块 多尺度特征 深度学习
下载PDF
医学图像分割的无监督域适应研究综述
11
作者 呼伟 徐巧枝 +1 位作者 葛湘巍 于磊 《计算机工程与应用》 CSCD 北大核心 2024年第6期10-26,共17页
医学图像分割在医学图像处理领域中具有广泛的应用前景,通过定位和分割出感兴趣的器官、组织或病变区域,为诊断和治疗提供辅助信息。但不同模态医学图像之间存在域偏移问题,这会导致在实际部署时分割模型的性能大幅下降。域适应技术是... 医学图像分割在医学图像处理领域中具有广泛的应用前景,通过定位和分割出感兴趣的器官、组织或病变区域,为诊断和治疗提供辅助信息。但不同模态医学图像之间存在域偏移问题,这会导致在实际部署时分割模型的性能大幅下降。域适应技术是解决该问题的有效途径,尤其是无监督域适应,因其不需要目标域标签信息而成为医学图像处理领域的研究热点。目前,针对医学图像分割的无监督域适应研究的综述报告相对较少,对近年医学图像分割的无监督域适应的相关研究进行了整理、分析和总结,并对未来进行了展望,希望帮助相关研究人员快速了解并熟悉该领域的研究现状及趋势。 展开更多
关键词 医学图像分割 域偏移 域适应 无监督域适应
下载PDF
基于三路径网络的医学图像分割方法
12
作者 蒋清婷 叶海良 曹飞龙 《模式识别与人工智能》 EI CSCD 北大核心 2024年第1期1-12,共12页
卷积神经网络由于强大的特征提取能力在医学图像分割任务上取得一定进展,但仍需提升边缘分割的准确性.为此,文中提出基于边缘选择图推理的三路径网络,包括目标定位路径、边缘选择路径和细化路径.在目标定位路径中,设计多尺度特征融合模... 卷积神经网络由于强大的特征提取能力在医学图像分割任务上取得一定进展,但仍需提升边缘分割的准确性.为此,文中提出基于边缘选择图推理的三路径网络,包括目标定位路径、边缘选择路径和细化路径.在目标定位路径中,设计多尺度特征融合模块,聚合高级特征,实现病变区域的定位.在边缘选择路径中,构造边缘选择图推理模块,用于低级特征的边缘筛选,并进行图推理,保证病变区域的边缘形状.在细化路径中,建立渐进式组级细化模块,逐步细化不同尺度特征的结构信息与细节信息.此外,引入融合加权Focal Tversky损失和加权交并比损失的复合损失,减轻类不平衡的影响.在公开数据集上的实验表明,文中方法性能较优. 展开更多
关键词 图神经网络 医学图像分割 深度学习 边缘学习
下载PDF
SwinEA:融合边缘感知的医学图像分割网络
13
作者 叶晋豫 李娇 +2 位作者 邓红霞 张瑞欣 李海芳 《计算机工程与设计》 北大核心 2024年第4期1149-1156,共8页
基于卷积神经网络的方法在医学图像分割任务中取得了显著成果,但该方法固有的归纳偏置使其不能很好地学习全局和长距离的语义信息交互,而Transformer的优势是关注全局信息,两者可以优势互补。因此提出一种针对分割边缘利用Swin Transfor... 基于卷积神经网络的方法在医学图像分割任务中取得了显著成果,但该方法固有的归纳偏置使其不能很好地学习全局和长距离的语义信息交互,而Transformer的优势是关注全局信息,两者可以优势互补。因此提出一种针对分割边缘利用Swin Transformer融合边缘感知的医学图像分割网络。设计基于上下文金字塔的边缘感知模块,用于融合全局的多尺度的上下文信息,针对边缘和角落等局部特征,利用浅层深度主干的特征产生丰富的边缘特征,因此提出的边缘感知模块可以尽可能多地产生边缘特征。在腹部多器官分割任务和心脏分割数据集的实验结果表明,该方法在各项指标中都有所提高。 展开更多
关键词 医学图像分割 移动窗口变形器 多头自注意力 边缘感知模块 上下文金字塔 多尺度特征 深度学习网络
下载PDF
基于深度学习的医学图像分割方法研究进展
14
作者 李增辉 王伟 《电子科技》 2024年第1期72-80,共9页
医学图像处理技术随着深度学习的兴起而飞速发展。基于深度学习的医学图像分割技术成为了分割领域的主流方法,弥补了传统分割方法分割精度不足的缺点,已被应用到一些病理图像的分割任务中。文中对近年来出现的基于深度学习的分割方法进... 医学图像处理技术随着深度学习的兴起而飞速发展。基于深度学习的医学图像分割技术成为了分割领域的主流方法,弥补了传统分割方法分割精度不足的缺点,已被应用到一些病理图像的分割任务中。文中对近年来出现的基于深度学习的分割方法进行了介绍和对比,重点综述了U-Net及其改进模型在分割领域的贡献,归纳了常见的医学图像模态、分割算法的评价指标和常用分割数据集,并对医学图像分割技术的未来发展进行了展望。 展开更多
关键词 医学图像分割技术 深度学习 U-Net 分割算法 图像处理 医学图像模态 评价指标 分割数据集
下载PDF
基于U-Net网络的医学图像分割研究综述
15
作者 宋杰 刘彩霞 李慧婷 《计算机技术与发展》 2024年第1期9-16,共8页
近年来随着深度学习技术的快速发展,卷积神经网络(CNN)成为语义分割的重要支撑框架,被广泛运用于多种目标检测与分割的任务当中。在医学图像分割任务中,U-Net网络以其优异的分割性能、可拓展性的网络结构等特点成为该领域研究的热点。... 近年来随着深度学习技术的快速发展,卷积神经网络(CNN)成为语义分割的重要支撑框架,被广泛运用于多种目标检测与分割的任务当中。在医学图像分割任务中,U-Net网络以其优异的分割性能、可拓展性的网络结构等特点成为该领域研究的热点。如今有众多学者从网络的结构等方面对U-Net进行改进以优化网络性能、提升分割准确度。研究通过对相关文献的分析,首先介绍了基于U-Net的经典改进模型;然后阐述了六大U-Net改进机制:注意力机制、inception模块、残差结构、空洞机制、密集连接结构以及集成网络结构;随后介绍了医学图像分割常用评价指标和非结构化改进方案,这些非结构化改进方法包括数据增强、优化器、激活函数和损失函数四个方面;之后列举并分析了在肺结节、视网膜血管、皮肤病和颅内肿瘤新冠肺炎四大医学图像分割领域的改进模型;最后对U-Net网络的未来发展进行展望,为相关研究提供思路。 展开更多
关键词 医学图像分割 深度学习 人工智能 U-Net 卷积神经网络
下载PDF
LM-UNet:横向MLP用于增强U-Net的医学图像分割
16
作者 邱海韬 史操 《计算机系统应用》 2024年第5期110-117,共8页
卷积神经网络(CNN)作为医学图像分割领域中U-Net基线网络的重要组成部分,其主要作用是处理局部特征信息之间的关系.而Transformer是一种能够有效强化特征信息之间的远距离依赖关系的视觉模型.目前的研究表明,结合Transformer和CNN可以... 卷积神经网络(CNN)作为医学图像分割领域中U-Net基线网络的重要组成部分,其主要作用是处理局部特征信息之间的关系.而Transformer是一种能够有效强化特征信息之间的远距离依赖关系的视觉模型.目前的研究表明,结合Transformer和CNN可以在一定程度上提高医学图像分割的准确性.但是,由于医学图像的标注数据较少,而且训练Transformer模型需要大量数据,这使得Transformer模型面临耗时长和参数量大的挑战.基于这些考虑,本文在UNeXt模型的基础上,结合多尺度混合MLP和CNN,提出了一种新型的基于混合MLP的医学图像分割模型——LM-UNet.这种模型能够有效地增强局部与全局信息之间的联系,并加强特征信息间的融合.在多个数据集上的实验表明,LM-UNet模型在皮肤数据集上的分割性能明显提升,平均Dice系数达到92.58%,平均IoU系数达到86.52%,分别比UNeXt模型提高了3%和3.5%.在软骨和乳腺数据集上的分割效果也有显著提升,平均Dice系数分别比UNeXt提高了2.5%和1.0%.因此,LM-UNet模型不仅提高了医学图像分割的准确性,还增强了其泛化能力. 展开更多
关键词 医学图像分割 MLP 多尺度横向连接 U-Net
下载PDF
基于UNet的医学图像分割综述 被引量:3
17
作者 徐光宪 冯春 马飞 《计算机科学与探索》 CSCD 北大核心 2023年第8期1776-1792,共17页
UNet作为卷积神经网络(CNN)中最重要的语义分割框架之一,广泛地应用于医学图像的分类、分割和目标检测等图像处理任务。对UNet的结构原理进行了阐述,并对基于UNet网络及变体模型进行了全面综述,从多个角度对模型算法进行了充分研究与分... UNet作为卷积神经网络(CNN)中最重要的语义分割框架之一,广泛地应用于医学图像的分类、分割和目标检测等图像处理任务。对UNet的结构原理进行了阐述,并对基于UNet网络及变体模型进行了全面综述,从多个角度对模型算法进行了充分研究与分析,试图建立起各个模型间的演进规律。首先,将UNet变体模型根据其应用的七种医学成像系统的不同而进行分类研究,且将核心构成相似的算法进行了对比描述;其次,对每个模型的原理、优缺点和适用的场景等内容进行分析;再次,对主要UNet变体网络从结构原理、核心组成结构、数据集和评价指标四方面进行总结;最后,结合深度学习的最新进展,客观地描述了UNet网络结构存在的固有不足和解决方案,为未来继续改进提供了方向。同时,对UNet可结合的其他技术演进与应用场景等内容进行详述,进一步展望了基于UNet变体网络未来的发展趋势。 展开更多
关键词 医学图像分割 深度学习 卷积神经网络(CNN) UNet网络
下载PDF
基于深度学习的肢体骨肉瘤CT医学图像分割
18
作者 赵林林 王潜 +4 位作者 王军 唐子硕 刘雨 樊卓明 陈继民 《中国医学物理学杂志》 CSCD 2023年第10期1204-1211,共8页
针对骨肉瘤CT图像自动化分割任务,本文制作了骨肉瘤CT图像数据集Osteosarcoma,并提出具有双特征提取结构Double-CNN的D-TransUNet模型。D-TransUNet模型在深度学习TransUNet分割模型的基础上新增特征提取结构。用3×3卷积核进行特... 针对骨肉瘤CT图像自动化分割任务,本文制作了骨肉瘤CT图像数据集Osteosarcoma,并提出具有双特征提取结构Double-CNN的D-TransUNet模型。D-TransUNet模型在深度学习TransUNet分割模型的基础上新增特征提取结构。用3×3卷积核进行特征提取,同时在特征通道上进行缩减和拼接,最后将双特征提取结构提取的图像信息进行融合。模型整体提取的原始图像信息更加丰富,进一步提升了分割精度。 展开更多
关键词 骨肉瘤 医学图像分割 深度学习 TransUNet模型 D-TransUNet模型
下载PDF
基于Transformer的U型医学图像分割网络综述 被引量:3
19
作者 傅励瑶 尹梦晓 杨锋 《计算机应用》 CSCD 北大核心 2023年第5期1584-1595,共12页
目前,医学图像分割模型广泛采用基于全卷积网络(FCN)的U型网络(U-Net)作为骨干网,但卷积神经网络(CNN)在捕捉长距离依赖能力上的劣势限制了分割模型性能的进一步提升。针对上述问题,研究者们将Transformer应用到医学图像分割模型中以弥... 目前,医学图像分割模型广泛采用基于全卷积网络(FCN)的U型网络(U-Net)作为骨干网,但卷积神经网络(CNN)在捕捉长距离依赖能力上的劣势限制了分割模型性能的进一步提升。针对上述问题,研究者们将Transformer应用到医学图像分割模型中以弥补CNN的不足,结合Transformer和U型结构的分割网络成为研究热点之一。在详细介绍U-Net和Transformer之后,按医学图像分割模型中Transformer模块所处的位置,包括仅在编码器或解码器、同时在编码器和解码器、作为过渡连接和其他位置进行分类,讨论各模型的基本内容、设计理念以及可改进的地方,并分析了Transformer处于不同位置的优缺点。根据分析结果可知,决定Transformer所在位置的最大因素是目标分割任务的特点,而且Transformer结合U-Net的分割模型能更好地利用CNN和Transformer各自的优势,提高模型的分割性能,具有较大的发展前景和研究价值。 展开更多
关键词 深度学习 卷积神经网络 医学图像分割 U型网络 TRANSFORMER
下载PDF
基于状态转移算法和U-net的医学图像分割 被引量:3
20
作者 周晓君 耿传玉 阳春华 《中南大学学报(自然科学版)》 EI CAS CSCD 北大核心 2023年第4期1358-1369,共12页
U-net在医学图像分割领域应用广泛,但存在小目标分割精度低、模型收敛慢等问题,且其结构和超参数的设定对网络性能有很大影响。为此,本文提出基于混合状态转移算法的U-net结构设计方法,以获取不同分割任务下的较优的U-net体系结构。首先... U-net在医学图像分割领域应用广泛,但存在小目标分割精度低、模型收敛慢等问题,且其结构和超参数的设定对网络性能有很大影响。为此,本文提出基于混合状态转移算法的U-net结构设计方法,以获取不同分割任务下的较优的U-net体系结构。首先,提出一种可变深度的编码策略来表示U-net中不同的构建块和潜在的最优深度;其次,通过混合状态转移算法优化网络结构中的超参数和连接权重初始值;再次,设计一种新的交互操作来生成具有潜力的个体,利用迁移学习策略和减少epoch的方法加速网络个体的进化;最后,在心脏MRI、肝脏LiTS这2个医学图像数据集中进行测试,验证本文方法的有效性。研究结果表明:与经典的语义分割网络相比,本文所提方法在Dice、Jaccard、VOE等分割性能评价指标中有更好的表现,验证了本文所提算法的可行性和有效性。 展开更多
关键词 U-net 状态转移算法 医学图像分割 网络结构设计
下载PDF
上一页 1 2 22 下一页 到第
使用帮助 返回顶部