基于U-Net改进模型的多模态脑肿瘤分割方法OACSTPCD
诊断脑肿瘤时,如果能从多种模态的核磁共振成像(MRI)图像中精准分割出脑肿瘤区域,将有助于医生快速和准确的诊断。针对分割脑肿瘤时出现的边界分割不精准问题,该文提出了一种基于U-Net改进模型的脑肿瘤分割方法。该方法将U-Net每级编码器的特征图保留,来捕获分割目标的边界细节信息,进而对保留的特征图采用自注意力模块计算通道级别注意力,加强分割目标的边界空间信息提取,最后使用尺度融合模块统一特征图的尺度和通道数,来融合分割目标的边界信息,作为解码器的…查看全部>>
黄莉;何美玲
武汉科技大学计算机科学与技术学院,湖北武汉430065 湖北省智能信息处理与实时工业系统重点实验室,湖北武汉430065武汉科技大学计算机科学与技术学院,湖北武汉430065 湖北省智能信息处理与实时工业系统重点实验室,湖北武汉430065
信息技术与安全科学
脑肿瘤U-Net卷积神经网络图像分割多尺度策略自注意力机制
《计算机技术与发展》 2022 (11)
P.58-63,6
评论