-
题名基于改进U型神经网络的脑出血CT图像分割
被引量：4
- 1
-
-
作者
胡敏
周秀东
黄宏程
张光华
陶洋
-
机构
重庆邮电大学通信与信息工程学院
重庆市通信软件工程技术研究中心
太原学院计算机科学与工程系
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2022年第1期127-137,共11页
-
基金
国家重点研发计划(2019YFB2102001)
山西省回国留学人员科研项目(2020-149)。
-
文摘
针对脑出血CT图像病灶部位的多尺度性导致分割精度较低的问题,该文提出一种基于改进U型神经网络的图像分割模型(AU-Net+)。首先,该模型利用U-Net中的编码器对脑出血CT图像特征编码,将提出的残差八度卷积(ROC)块应用到U型神经网络的跳跃连接部分,使不同层次的特征更好地融合;其次,对融合后的特征,分别引入混合注意力机制,用以提高对目标区域的特征提取能力;最后,通过改进Dice损失函数进一步加强模型对脑出血CT图像中小目标区域的特征学习力度。为验证模型的有效性,在脑出血CT图像数据集上进行实验,同U-Net,Attention U-Net,UNet++以及CE-Net相比,mIoU指标分别提升了20.9%,3.6%,7.0%,3.1%,表明AU-Net+模型具有更好的分割效果。
-
关键词
脑出血CT图像分割
注意力机制
Dice损失函数
残差八度卷积模块
-
Keywords
Segmentation of Computed-Tomography(CT)images of cerebral hemorrhage
Attention mechanism
Dice loss function
Residual Octave Convolution block(ROC)module
-
分类号
TN911.73
[电子电信—通信与信息系统]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
