-
题名基于增强跳跃连接U-Net的肾脏肿瘤分割方法
- 1
-
-
作者
鲍文霞
杜银徕
姚文君
朱宏庆
-
机构
安徽大学电子信息工程学院
-
出处
《安徽大学学报(自然科学版)》
2025年第5期19-28,共10页
-
基金
安徽省转化医学研究院科研基金(2021zhyx-C45)。
-
文摘
计算机断层扫描(computed tomography,简称CT)在肾脏肿瘤的诊断中占据重要地位,准确检测出CT图像中的肿瘤可以有效辅助医生进行初步的诊断.针对CT图像中肿瘤尺度多样以及边缘模糊等问题,论文提出一种基于增强跳跃连接U-Net的肾脏肿瘤分割方法.该方法在nnU-Net(no-new-net)的基础上,在跳跃连接部分设计一种并行残差特征增强器,实现对肾脏肿瘤各尺度特征以及边缘特征的有效提取与增强.在并行残差特征增强器里设计多分支的并行卷积结构获取肿瘤丰富的特征,同时将并行卷积设置残差连接以提取肿瘤多尺度特征,并且对深度可分离卷积进行改进从而强化边缘特征信息.在所构建的肾脏肿瘤CT图像数据集上的实验结果表明,采用5折交叉验证和全部数据训练两种训练策略,论文方法在肾脏肿瘤的DSC(dice similarly coefficient)达到了86.36%和86.96%,分别比基线提高1.31%和0.96%,具有一定的优越性.
-
关键词
CT图像
深度学习
肾脏肿瘤分割
增强跳跃连接
并行残差特征增强器
-
Keywords
CT images
deep learning
kidney tumor segmentation
enhanced skip-connection
parallel residual feature enhance
-
分类号
TP391
[自动化与计算机技术]
-
