基于3D U-Net网络的肿瘤分割方法设计OACSTPCD
Design of Tumor Segmentation Method Based on 3D U-Net
脑肿瘤MRI图像形态各异,类别严重不平衡,采用传统机器学习的半自动分割或深度学习的全自动分割方法,分割精度都不高.针对此问题,文章将3D U-Net[1]模型改进成一个层数更深的网络模型,此结构可以提取更多图像特征,但同时会导致网络难以训练,收敛过慢.为应对这种情况设计了一个叠加式残差块,在保留更多图像特征的同时,避免了深层网络无法收敛的问题.另外以混合损失函数代替传统Dice损失函数,可以增加脑肿瘤像素区域对总损失的贡献,提高稀疏分类错误对模型…查看全部>>
田学智;周莲英
江苏大学计算机科学与通信工程学院 镇江 212013江苏大学计算机科学与通信工程学院 镇江 212013
信息技术与安全科学
图像分割核磁共振成像卷积神经网络残差块
《计算机与数字工程》 2022 (2)
405-409,418,6
评论