基于U-Net++的人体脊椎MRI图像识别

摘要：

医学图像分割是疾病诊断和治疗的重要组成部分,通常由经验丰富的医生或专家手动完成.随着医学成像技术的发展,医学图像的规模快速增长,给医学专家带来了大量且繁琐的工作.因此,许多研究人员提出了医学图像自动分割方法.其中,深度学习近年来已成为医学图像分割任务的首选方法.为此,提出了一种基于U-Net++的脊椎MRI图像分割方法,剪掉了U-Net++的L4阶段,简化了计算量,并改进了YOLOv3模型,用于人体椎间盘检测.实验结果表明,进行剪枝后的网络在实验时间上较原来的方法减少了一半,mAP提升到了81.49％.该方法准确率达到了良好水平,并一定程度上减小了计算量.

关键词：卷积网络、人体脊椎MRI图像、图像分割、目标检测

所属期刊栏目：42

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家级大学生创新创业训练计划项目;广西高校图像图形智能处理重点实验室研究课题

在线出版日期：2022-05-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：36-42