基于Dense-UNet++的关节滑膜磁共振图像分割OA北大核心CSTPCD
Magnetic Resonance Images Segmentation of Synovium Based on Dense-UNet++
为解决以往基于深度学习的滑膜磁共振图像分割模型存在的分割精度较低、鲁棒性较差、训练耗时等问题,本文提出了一种基于Dense-UNet++网络的新模型,将DenseNet模块插入UNet++网络中,并使用Swish激活函数进行训练.利用1036张滑膜磁共振图像数据增广后的14512张滑膜图像对模型进行训练,并利用68张图像进行测试.结果显示,模型的平均DSC系数为0.8199,交叉联合度量(IOU)为0.9279.相较于UNet、ResUNet和V…查看全部>>
王振宇;王颖珊;毛瑾玲;马伟伟;路青;石洁;汪红志
上海市磁共振重点实验室,医学影像人工智能研究中心(华东师范大学),上海 200062上海市磁共振重点实验室,医学影像人工智能研究中心(华东师范大学),上海 200062上海市磁共振重点实验室,医学影像人工智能研究中心(华东师范大学),上海 200062上海交通大学医学院附属仁济医院,上海 200127上海交通大学医学院附属仁济医院,上海 200127上海市光华中西医结合医院,上海 200052上海市磁共振重点实验室,医学影像人工智能研究中心(华东师范大学),上海 200062
数理科学
磁共振成像(MRI)深度学习医学图像分割滑膜炎
《波谱学杂志》 2022 (2)
208-219,12
评论