10.16337/j.1004-9037.2023.04.011
改进全卷积神经网络的甲状腺结节分割方法
为了更加精确地分割出甲状腺结节,本文提出了一种改进的全卷积神经网络(Fully convolutional network,FCN)分割模型.相较于FCN,本文方法加入了空洞空间卷积池化金字塔(Atrous spatial pyramid pooling,ASPP)模块与多层特征传递模块(Feature transfer,FT),并采用LinkNet模型中Decoder模块进行上采样,VGG16主干网络实现特征提取下采样.实验采用来自斯坦福AIMI(Artificial intelligence in medicine and imaging)共享数据集的 17 413张超声甲状腺结节图像分别用于训练、验证和测试.实验结果表明,相比于其他多种分割模型,本文模型在平均交并比(mean Intersection over union,mIoU),Dice相似系数,F1 分数 3 个分割指标上分别达到了 79.7%,87.6%和98.42%,实现了更好的分割效果,有效地提升了甲状腺结节的分割精确度.
甲状腺结节、分割、特征提取、空洞空间卷积池化金字塔
38
TP391(计算技术、计算机技术)
国家自然科学基金61701222
2023-08-29（万方平台首次上网日期，不代表论文的发表时间）
共13页
873-885
