基于多尺度集成的冠状动脉分割模型

查看全文 作　　者：[1]曾安;[1]吴春彪;[2]徐小维;Najeeb [3]Ullah

机构地区：[1]广东工业大学计算机学院,广州510006;[2]广东省人民医院,广州510080;[3]马尔丹工程技术大学,马尔丹23200

出　　处：《生物医学工程研究》索引2022年第41卷第3期,共9页

基　　金：广东省重点领域研发计划项目(2021B0101220006);广东省科技计划项目(2019A050510041);广东省自然科学基金资助项目(2021A1515012300)。 摘　　要：针对传统冠状动脉分割中需要人为干预且效率低,以及现有深度学习分割方法准确率低的问题,本研究提出一种基于多尺度集成的分割模型。该模型设计了一种新的由粗到细的分割框架,通过结合全尺度的粗分割与局部多尺度的细分割,进一步提升分割的准确率。实验结果表明,在Dice相似性系数上可达到82.96%,优于其他常规的深度学习方法。该模型也为其他管状器官的分割提供了新的思路。 关键词：全卷积神经网络 U-Net U-Net++ 体素图像分割先验提取数学形态学

相关文献

参考文献（26）
引证文献（2）
耦合文献（175）

参考文献(26)

引证文献(2)

耦合文献(175)

互联网出版许可证新出网证(渝)字10号全国400电话 - 免长途话费

基于多尺度集成的冠状动脉分割模型

参考文献(26)

引证文献(2)

耦合文献(175)

用户提示