基于可变形卷积和语义嵌入式注意力机制的眼球超声图像分割方法
眼球区域分割是医学超声图像处理和分析的关键步骤,由于临床设备采集的眼球超声图像具有噪声干扰、区域模糊、边缘灰度相似等缺点,从而导致现有的方法不能准确地分割出眼球区域,因此本文基于可变形卷积提出了一种语义嵌入的注意力机制的分割方法.首先使用可变形卷积替代传统的卷积,提高本文网络对眼球区域的表征能力;其次构建语义嵌入的注意力机制,融合不同层之间的语义信息,增强目标区域中的显著特征,减少对背景区域的错误分割,从而提升网络的分割准确度;最后,为了验证本文模型的分割性能,分别与现有的3种深度学习分割模型进行对比,在超声眼球图像分割数据集上,本文方法获得了最高的准确度;充分验证了本文的模型有较好的分割能力和鲁棒性.
深度学习;语义分割;特征融合;注意力机制
31
贵州省科技重大专项20183001
2022-02-25(万方平台首次上网日期,不代表论文的发表时间)
共8页
342-349