10.16337/j.1004-9037.2023.04.016
融合残差Inception与双向ConvGRU的皮肤病变智能分割
由于皮肤病病灶的形状、颜色以及纹理差异极大,且边界不明确,使得传统深度学习方法很难对其进行准确分割.因此本文提出了一种融合残差Inception与双向卷积门控循环单元(Convolutional gated recurrent unit,ConvGRU)的皮肤病变智能分割模型.首先设计了一种云边协同的皮肤病变智能分割服务网络模型,通过该网络模型,用户可以获得快速、准确的分割服务;其次,构建了一种新的皮肤病变智能分割模型,通过融合残差Inception与双向ConvGRU,该模型能融合不同尺度特征,提高模型特征提取能力,并能充分利用底层特征与语义特征之间的关系,捕获更丰富的全局上下文信息,取得更好的分割性能;最后,在ISIC 2018数据集上的实验结果表明,所提出的智能分割模型与近期提出的几种U-Net扩展模型相比,取得了更高的准确率与Jaccard系数.
皮肤病、图像分割、残差网络、U型卷积神经网络、卷积门控循环单元
38
TP391(计算技术、计算机技术)
国家自然科学基金;中国博士后科学基金;江苏省333高层次人才培养工程;江苏省博士后科研资助计划;南京市妇幼保健院青年人才;南京邮电大学人才计划
2023-08-29(万方平台首次上网日期,不代表论文的发表时间)
共10页
937-946