期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于小波变换和CNN-Transformer的超声甲状腺结节分割算法研究
1
作者 郑水婧 杨君 +1 位作者 蔡瑜娇 文静 《陆军军医大学学报》 北大核心 2025年第14期1595-1601,共7页
目的 融合小波变换和CNN-Transformer构建甲状腺结节自动分割网络,以提升甲状腺结节超声影像的智能分割效率和精准度。方法 收集2023年5月至2024年2月在陆军军医大学第二附属医院超声科获取的1 371套甲状腺结节超声影像。经过预处理和... 目的 融合小波变换和CNN-Transformer构建甲状腺结节自动分割网络,以提升甲状腺结节超声影像的智能分割效率和精准度。方法 收集2023年5月至2024年2月在陆军军医大学第二附属医院超声科获取的1 371套甲状腺结节超声影像。经过预处理和标准化后,数据按照8∶1∶1的比例划分为训练集、验证集和测试集。以UNet为基础,将CNN与Swin-Transformer并联作为编码器,并在编码器与解码器之间插入小波变换模块,完成甲状腺结节分割网络的构建。使用准确率、IoU和Dice系数指标在收集的内部数据集上评估分割模型性能。结果 本研究最终在收集的1 371套超声甲状腺结节上进行验证,平均Dice系数达到79.63%,IoU达到67.3%。相较于UNet,分割准确度提升1.02%。其甲状腺结节分割结果位置准确,边缘平滑。分割出的甲状腺结节相比于其他方法分割出的结节,在轮廓形态上与医师的手工分割结果吻合度更高。相较于UNet方法,本方法对结节的纹理学习更加充分,规避了结节容易错误分割为周围组织的情况。结论 构建的基于小波变换和CNN-Transformer的分割模型精度优于UNet、Attention-UNet、UNetv2等UNet变种网络以及SAM Med2D分割大模型等先进分割方法,能有效应用于超声甲状腺结节的精确分割,提升医师的工作效率。 展开更多
关键词 甲状腺结节分割 小波变换 超声图像诊断 深度学习
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部