10.3969/j.issn.1006-9348.2023.01.060
基于深度学习的多任务结直肠癌分析方法研究
针对基于图像的直肠癌人工智能诊断问题,提出了一个简单而有效的结直肠空间掩膜网络(ColosMaskNet)实例分割框架,用于在MRI图像序列中联合检测和分割直肠癌的肿瘤区域.在基础网络架构中添加了一种新颖的空间注意力引导掩膜(SAG-Mask)分支,用来将物体检测器固定到框架中.还采用了改进的网络VoVNetV2作为新的骨干网络.分别对网络框架结构进行细致解析,针对不同的基础网络进行替换与实验分析,发现所采用的网络结构能够高效、准确地检测出肿瘤区域.提出了基于无锚点的单阶段检测和分割框架,通过将空间注意力导向的掩膜分支添加到框架中,实现了直肠癌肿瘤区域的实时检测和分割.
直肠癌、医学信息图像分析、深度学习
40
TP391(计算技术、计算机技术)
2023-03-01(万方平台首次上网日期,不代表论文的发表时间)
共6页
333-338