CN114998296B 一种基于改进Unet网络的甲状腺结节分割方法 （常州大学）_第1页
CN114998296B 一种基于改进Unet网络的甲状腺结节分割方法 （常州大学）_第2页
CN114998296B 一种基于改进Unet网络的甲状腺结节分割方法 （常州大学）_第3页
CN114998296B 一种基于改进Unet网络的甲状腺结节分割方法 （常州大学）_第4页
CN114998296B 一种基于改进Unet网络的甲状腺结节分割方法 （常州大学）_第5页
已阅读5页，还剩11页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于改进Unet网络的甲状腺结节分割进Unet网络，首先在Unet网络的前3个下采样卷积中增加自注意力残差连接块；其次在第4个下后在高低频自注意力自适应融合模块之后接入2在第4个下采样卷积块后增加高低频自注意力自适应融合模块的高低频自注意力自适应融合模块由窗口多头注意力和高效在高低频自注意力自适应融合模块之后接入语义增强模块的将高低频自注意力自适应融合模块后的特征经过Linear线性层将通道数转换成类别然后将语义注意力处理的特征经过Linear线性层，并设置一个可学习的参数λ对特征3.根据权利要求2所述的基于改进Unet网络的甲状腺结节分割方法，其特征在于，在Unet网络的前3个下采样卷积块后增加自注意力残差连接块的详细自注意力残差连接块接在前3个下采样卷积块的后面，自注意力残差连接块中分两个3其中，Q为经过Linear层映射到的query，K和V为最大池化后经过4甲状腺结节的分割难以达到较高的精确度，不准确的分割容易造成医生的错误诊断与治[0009]在编码阶段加入自注意力残差连接块能在多个尺度上捕获远程依赖与上下文全5法在甲状腺数据集tn3k上分割性能有了较大的提升，dsc相比Unet提升了2.1miou相比Unet提升了1.3对于甲状腺结节分割任务中噪声等干扰因素过多[0027]在编码阶段加入自注意力残差连接块能在多个尺度上捕获远程依赖与上下文全6合模块以残差连接的方式放置在第4个下采样卷积块的后面，用于增强语义特征的全局上多头注意力先将整个特征(512×16×16)分成4个小窗口(512×8×8)，分别在每个窗口内转换成512×16×16进行8倍双线性上采样至原图大小，与标签进行监督，产生的损失为7[0043]然后将语义注意力处理的特征经过Linear线性层，并设置一个可学习的参数λ对[0047]为了验证本发明模型的性能，使用Dice相似系数(dsc)和均交互比(miou)进行实8

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论