|
|
1.
基于深度迁移学习的肺结节分割方法
马金林, 魏萌, 马自萍
计算机应用
2020, 40 (7):
2117-2125.
DOI: 10.11772/j.issn.1001-9081.2019112012
针对U-Net分割小体积肺结节效果较差的问题，提出一种基于深度迁移学习的分割方法，利用分块式叠加微调（BSFT）策略辅助分割肺结节。首先，利用卷积神经网络学习自然图像大数据集的特征信息；然后，将所学特征迁移到进行肺结节图像小数据集分割的网络，从该网络最后一个下采样层开始逐块释放、微调训练，直到网络完成最后一层的叠加；最后，定量分析Dice相似性系数，以确定最佳分割网络。实验结果表明，BSFT在LUNA16肺结节公开数据集上的Dice值达到0.917 9，该策略的性能明显优于主流肺结节分割算法。
参考文献 |
相关文章 |
多维度评价
|
|
