基于注意力机制的弱监督黑色素瘤图像分割研究
深度学习在医疗领域有着广泛的应用,可以提供临床诊断、辅助医疗等功能,从而更好地对患者进行手术治疗.目前虽然全监督的图像分割取得了较好的分割结果,但是由于医学图像标注任务复杂,因此需要具备专业的医学知识.如何使用易获取的弱标签进行医学图像分割是文章的主要研究内容.该文提出了通过基于SECNet对黑色素瘤图像进行弱监督的分割,并针对CAM图生成的伪标签稀疏问题,提出通过注意力机制提升伪标签的完整性,从而提高弱监督分割的整体精度,在ISIC黑色素瘤数据集上取得了比较准确的分割结果.
深度学习、弱监督、医学图像分割、注意力机制
19
TP393(计算技术、计算机技术)
自然科学基金项目;科技部重点研发项目;上海市重大科技项目;长江学者奖励计划及中央高校基本科研业务费等项目
2023-05-05（万方平台首次上网日期，不代表论文的发表时间）
共3页
12-14
