检索结果-内蒙古大学图书馆

模式识别与人工智能 2023年第2期36卷 95-107页

作者：侯冰震张桂梅彭昆南昌航空大学计算机视觉研究所南昌330063

针对肾肿瘤图像分割中的边界模糊和特征丢失问题,在RAUNet(Residual Attention U-Net)的基础上,提出基于不确定性引导和尺度一致性的肾肿瘤图像分割方法.针对肾肿瘤图像边界模糊问题,在解码层引入不确定性引导模块,根据不确定性自适应... 详细信息

针对肾肿瘤图像分割中的边界模糊和特征丢失问题,在RAUNet(Residual Attention U-Net)的基础上,提出基于不确定性引导和尺度一致性的肾肿瘤图像分割方法.针对肾肿瘤图像边界模糊问题,在解码层引入不确定性引导模块,根据不确定性自适应分配权重,弱化错误像素点的影响,提高模型的边界定位能力.针对下采样引起的特征丢失问题,提出尺度注意力模块和特征一致性损失,利用多尺度融合策略融合不同尺度特征,并与编码器底部特征进行尺度一致性约束,缓解特征丢失问题.在公开数据集KiTS19上的肾脏和肾肿瘤的图像分割实验表明,文中方法提高肾肿瘤的分割精度.此外,由于文中方法引入不确定性引导模块,分割结果具有较好的可靠性.

关键词：图像分割不确定性引导尺度一致性注意力模块肾肿瘤

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的肾脏和肾肿瘤图像分割算法

基于深度学习的肾脏和肾肿瘤图像分割算法

引用

作者：侯冰震南昌航空大学

学位级别：硕士

肾癌是一种恶性肿瘤,其发病率逐年上升,对人体健康带来了巨大的危害。通过图像分割技术可以准确地分割出肾脏和肿瘤区域,为肾癌的治疗和诊断提供重要技术支持,从而更好地制定治疗方案和评估治疗效果。因此,图像分割技术的出现为肾癌的... 详细信息

肾癌是一种恶性肿瘤,其发病率逐年上升,对人体健康带来了巨大的危害。通过图像分割技术可以准确地分割出肾脏和肿瘤区域,为肾癌的治疗和诊断提供重要技术支持,从而更好地制定治疗方案和评估治疗效果。因此,图像分割技术的出现为肾癌的治疗和诊断带来了新的进展。随着深度学习图像分割技术的快速发展,图像的分割性能以及分割速度打破了传统图像分割方法的记录。由于肾脏及肿瘤图像边界轮廓不清晰,且形态、大小、位置各异,使用深度学习的方法分割时往往会导致边界难以恢复以及小目标丢失。为解决上述问题,本文研究基于深度学习的肾脏及肾肿瘤分割的方法。(1)基于不确定性引导和尺度一致性的肾脏及肾肿瘤的分割算法。针对肾肿瘤图像边界模糊问题,在解码层引入不确定性引导模块,通过对边界确定性较高的像素点赋予较大权重,减小错误像素点的分类,提高模型的边界定位能力。针对下采样引起的特征丢失问题,提出尺度注意力模块和特征一致性损失的方法。其中,尺度注意力模块将不同尺度融合的特征与编码器底部特征进行一致性学习,缓解特征丢失的问题。最后在Ki TS19数据集上进行肾脏器官和肾肿瘤的分割实验,并与主流通用的医学图像分割算法进行比较。实验结果表明,提出的分割算法对肾肿瘤的分割精度有较大的提高。通过消融实验也验证了本文所提出模块的有效性。(2)结合Transformer与CNN的肾脏及肿瘤分割算法。卷积神经网络擅长捕捉图像的局部纹理细节信息,对边界的恢复较为理想;Transformer网络则具备高效、强大的全局特征编码能力,可以获得丰富的上下文信息。为了充分利用两种网络的优势,将两种网络生成的语义信息进行融合。由于两种网络生成的特征和预测图存在差异,直接融合会产生语义不匹配问题。针对该问题,提出特征选择模块和语义蒸馏损失从特征级和掩码级两方面对卷积神经网络和Transformer网络进行高效融合。由于Transformer网络模型较大且需要在大数据集上进行预训练。因此,本文以卷积神经网络作为主干网络,Transformer网络则作为辅助网络,为卷积神经网络提供丰富的全局信息,提高卷积神经网络的分割上限。最后,通过消融实验证明本文所提出的模块可以高效地融合不同网络之间的语义信息。并在肾脏及肿瘤图像分割中,表现出更好的性能。

关键词：肾脏图像分割卷积神经网络 Transformer 不确定性引导特征融合

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：