基于改进U-Net网络的肾脏肿瘤全自动分割
Chinese Journal of Medical Physics（2023）
摘要
针对肾脏肿瘤大小、位置不确定以及传统U-Net网络全自动分割肾脏肿瘤时易出现过拟合等难题,提出一种改进的多尺度卷积和残差U-Net(MSR U-Net)的肾脏肿瘤全自动分割方法.一方面,在残差模块中加入跳跃连接使网络收敛得更快,缓解过拟合现象;另一方面,在多尺度卷积模块中采用3种不同尺寸的卷积核,增加网络的感受野,解决网络提取的肿瘤特征尺寸单一问题.使用KITS19数据库中90例患者的CT切片进行相关验证性实验,MSR U-Net方法获得了肾脏的Dice系数为0.976和肿瘤的Dice系数为0.836,表明MSR U-Net在全自动肾脏肿瘤分割任务中的可行性和有效性.
更多关键词
U-Net,CT image,kidney tumor,multi-scale convolution,residual module
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要