声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：43-1258/TP
国际刊号：1007-130X
发布日期:
作者：陈爱莲, 丁正龙, 詹曙
单位：1.合肥工业大学计算机与信息学院，安徽 合肥 231009； 2.安徽信息工程学院，安徽 芜湖 241000）
关键词：前列腺MR图像,图像分割,对抗学习,多尺度特征,
基金：国家自然科学基金（61371156）
前列腺MR图像的自动分割已被广泛应用于前列腺癌的诊断和治疗过程中，然而，由于前列腺的形状变化显著且与相邻组织的对比度低，传统的分割方法仍存在精度低、速度慢等缺点。生成对抗网络GAN在计算机视觉任务中展示出了优越的性能，因此提出了一种使用对抗学习的概念来训练分割网络的方法，实现前列腺MR图像端到端的自动分割。模型框架主要由分割网络和判别网络构成，分割网络生成分割预测图，判别网络判断输入来自真实标签还是分割预测。同时，在分割网络中集成了感受野模块RFB来获取和融合深度特征的多尺度信息，提高特征的识别率和鲁棒性，以提升网络的分割性能。在PROMISE12数据集上的验证结果显示，该模型的DSC和HD分别为89.56%和7.65 mm。
来源：2021年第4期
《计算机工程与科学》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。