为了更加精确地分割出甲状腺结节,本文提出了一种改进的全卷积神经网络(Fully convolutional network,FCN) 分割模型。相较于FCN,本文方法加入了空洞空间卷积池化金字塔 (Atrous spatial pyramid pooling, ASPP) 模块与多层特征传递模块(Feature transfer, FT),并采用LinkNet模型中Decoder模块进行上采样,VGG16主干网络实现特征提取下采样。实验采用来自斯坦福AIMI(Artificial intelligence in medicine and imaging)共享数据集的17 413张超声甲状腺结节图像分别用于训练、验证和测试。实验结果表明,相比于其他多种分割模型,本文模型在平均交并比(mean Intersection over union,mIoU),Dice相似系数,F1分数3个分割指标上分别达到了79.7%,87.6%和98.42%,实现了更好的分割效果,有效地提升了甲状腺结节的分割精确度。
来源出处
改进全卷积神经网络的甲状腺结节分割方法
http://sjcj.nuaa.edu.cn/sjcjycl/article/abstract/202304011
相关内容
发布日期
10/08/2023 - 23:02
发布日期
06/17/2022 - 10:21
发布日期
01/11/2025 - 20:33
发布日期
12/08/2024 - 19:03
发布日期
09/10/2024 - 19:30
发布日期
01/10/2022 - 19:31
发布日期
10/31/2021 - 01:12
发布日期
01/10/2022 - 19:31
发布日期
10/31/2021 - 01:12
发布日期
10/31/2021 - 01:47
发布日期
08/17/2023 - 22:14
发布日期
10/29/2024 - 19:43
发布日期
10/31/2021 - 01:12
发布日期
06/17/2022 - 10:21
发布日期
01/22/2024 - 00:46
发布日期
04/26/2024 - 09:35
发布日期
01/10/2022 - 19:32
发布日期
12/11/2023 - 01:01
发布日期
06/17/2022 - 10:21
发布日期
03/18/2025 - 20:52