10.19678/j.issn.1000-3428.0055495
基于分水岭修正与U-Net的肝脏图像分割算法
在利用卷积神经网络分割肝脏边界较模糊的影像数据时容易丢失位置信息,导致分割精度较低.针对该问题,提出一种基于分水岭修正与 U-Net模型相结合的肝脏图像自动分割算法.利用 U-Net分层学习图像特征的优势,将浅层特征与深层语义特征相融合,避免丢失目标位置等细节信息,得到肝脏初始分割结果.在此基础上,通过分水岭算法形成的区域块对肝脏初始分割结果的边界进行修正,以获得边界平滑精确的分割结果.实验结果表明,与传统的图割算法和全卷积神经网络算法相比,该算法能够实现更为精准的肝脏图像分割.
肝脏图像分割、卷积神经网络、U-Net模型、分水岭算法、边界修正
46
TP391(计算技术、计算机技术)
国家自然科学基金61871259,61811530325
2020-03-28(万方平台首次上网日期,不代表论文的发表时间)
共8页
255-261,270