|
|
1.
基于多尺度特征融合的改进臂丛神经分割方法
吕玉超, 姜茜, 徐英豪, 朱习军
《计算机应用》唯一官方网站
2023, 43 (1):
273-279.
DOI: 10.11772/j.issn.1001-9081.2021111881
臂丛神经超声影像信噪比（SNR）低、边缘模糊且人工分割难度较大。现有的分割模型虽然取得了一些成果，但碍于臂丛神经结构目标区域小、形状不规则，分割效果欠佳。针对上述问题，设计基于多尺度特征融合的臂丛神经分割模型，即针对神经部位分割的特征金字塔网络（Ner-FPN）。在特征提取阶段，设计一种仿Xception的结构进行多尺度特征提取；在预测分割阶段，采用双向FPN结构进行特征融合预测。在Kaggle臂丛神经超声影像分割竞赛的BP数据集上的实验结果表明，Ner-FPN模型对臂丛神经分割的Dice相似系数（DSC）可达0.703，与主流的深度学习分割模型U-Net、SegNet相比，分别提高了10.7个百分点和14.5个百分点，对比相同数据集中的其他改进模型QU-Net和Efficient+U-Net，DSC分别提高了5.5个百分点和3.4个百分点，可见所提模型能够起到辅助诊断的效果。
参考文献 |
相关文章 |
多维度评价
|
|
