基于多尺度特征融合与注意力机制的脊柱CT图像分割

摘要：

本文针对医学脊柱CT图像因骨密度不均匀、骨骼结构复杂或图像成像分辨率低等因素造成的分割精度较低的问题,提出一种基于卷积-反卷积神经网络的CT图像脊柱分割方法.通过引入多尺度残差模块及注意力机制改进U-Net网络,训练特征模型并进行测试.在真实数据集上的实验结果表明,该方法能有效提高CT图像中脊柱的分割精度及分割效率,Dice系数评估值为0.97,IOU系数评估值为0.94.

关键词：深度学习;U-Net;残差网络;注意力机制;图像分割

所属期刊栏目：30

资助基金：浙江省教育厅一般科研项目;浙江省研究生教育学会科研项目;杭州师范大学第二轮专业学位研究生课程教学案例库建设

在线出版日期：2021-12-21（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：280-286