基于VGG-Net的X射线全脊柱冠状面图像分割方法
在计算机辅助脊柱图像分析和疾病诊断应用中,从X射线脊柱图像中自动分割脊柱和椎骨是一个关键且具有挑战性的问题.为进一步提升脊柱图像分割精度,提出一种基于VGG-Net改进的模型.首先,将VGG16网络去掉了后面的全连接层,用作U-Net的特征提取网络;其次,为了增强图像的细节信息,在特征提取网络引入小波分解模块;最后,在上采样网络中设计了一种逐像素相减的自空间注意力模块(SUB-SSAM)机制,进一步提高网络模型识别关键特征的能力.实验结果表明,改进后的模型相较于原VGG-Net模型在平均交并比(mIoU)上提高了2.39%、召回率(recall)提高了0.96%、准确率(accura-cy)提高了1.31%,训练的该网络模型可以定位到每一块椎骨,准确分割椎体区域.
图像分割、U-Net、VGG-Net、小波分解、SUB-SSAM
43
TP391.4(计算技术、计算机技术)
山西省应用基础研究计划项目;生物医学成像与影像大数据山西省重点实验室开放研究基金项目
2024-02-27(万方平台首次上网日期,不代表论文的发表时间)
共6页
135-140