生物医学图像细分算法基于密集的心脏卷积
Hong'an Li1,2, Man Liu1, Jiangwen Fan1
1College of Computer Science and Technology, Xi'an University of Science and Technology, Xi'an, 710054, China.
Mathematical biosciences and engineering : MBE
|March 29, 2024
概括
这项研究引入了一种用于生物医学图像分割的新型密集心膜卷积方法,显著提高了复杂医学图像的准确性和减少了错误.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 深度学习 (Deep Learning) 是一种深度学习.
背景情况:
- 生物医学图像显示复杂的组织结构,具有个体间的差异.
- 当前的深度学习方法难以准确地对生物医学图像进行细分,特别是那些具有显著目标变异的图像,导致错误细分和错过目标.
研究的目的:
- 开发一种先进的生物医学图像细分方法,提高准确性和稳定性.
- 解决现有的深度学习模型在细分复杂和可变的生物医学图像数据方面的局限性.
主要方法:
- 提出了一种基于U-Net的网络,包含密集心卷积 (DAC) 模块,用于多尺度的特征提取.
- 引入了密集的残留聚合模块,以进一步增强多尺度特征检测.
- 在解码路径中实现了注意力机制,以抑制背景噪音并专注于目标区域.
主要成果:
- 与主流网络相比,拟议的方法在生物医学图像上表现出优异的细分性能,具有不同的目标.
- 显著减少了错过和错误分割地区的情况.
- 实现了更高的细分精度,产生更接近地面真相的结果.
结论:
- 新的密集心膜卷积方法有效地提高了生物医学图像细分的准确性和稳定性.
- 该方法为具有复杂和可变结构的具有挑战性的生物医学图像进行准确细分提供了有希望的解决方案.
