CG-Net改进的结直肠癌病灶分割算法

摘要：

为解决深度学习分割算法在病灶的细节分割上存在漏判且模型参数量较大不利于实际应用的问题,提出一种基于改进的CG-Net的深度轻量化分割神经网络.在编码块加入改进高效金字塔拆分注意力模块和深度可分离卷积,以学习丰富多尺度全局特征;采用残差思想将注意力模块与编码块结合,提出高效金字塔语境引导模块,帮助网络学习全局和局部特征信息.在中山大学附属第六医院提供的腹部MRI图像数据库的结直肠肿瘤病灶分割实验中,验证了改进模型算法在分割精度和模型轻量化方面的有效性.

关键词：深度学习、编码解码网络、轻量级、深度可分离卷积、医学图像分割、注意力机制、结直肠癌

所属期刊栏目：45

分类号：TP183(自动化基础理论)

资助基金：福建省自然科学基金项目2020J01453

在线出版日期：2024-01-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：299-306