典型文献
具有双向增强特征结构的U型肺结节分割网络
文献摘要：
在CT影像中精准而有效地分割出肺部结节是肺癌早期诊断的关键.然而,肺结节形态的多样性以及周围环境的复杂性,都给肺结节分割的鲁棒性带来了巨大的挑战.为提高CT影像中肺结节分割的准确性,提出了Bi EFP-UNet(bidirectional enhanced feature pyramid UNet)肺结节分割网络.该结构采用端到端的深度学习方法来解决肺结节的分割任务,通过在原始U-Net网络的编码器和解码器结构之间集成一个双向增强型特征金字塔网络(bidirectional enhanced feature pyramid network,Bi EFPN),加强网络对特征的传递与利用;利用Mish激活函数提高分割效率,并消除原始U-Net网络梯度消失的问题.在肺结节公开数据集LUNA16上的实验结果表明,Bi EFP-UNet网络的Dice相似系数(DSC)可达88.32％,其中,Bi EFPN结构带来的提升为5.25个百分点,Mish激活函数带来的提升为1.21个百分点;与原始U-Net网络相比,Bi EFP-UNet网络的DSC提升了6.46个百分点,能有效解决原始U-Net网络对小目标结节分割性能差、梯度消失的问题.
文献关键词：
CT;肺结节分割;U-Net;Bi EFP-UNet;双向增强型特征金字塔网络;Mish
中图分类号：
作者姓名：
黄新;郭晓敏
作者机构：
桂林电子科技大学 电子工程与自动化学院,广西 桂林 541004;广西自动检测技术与仪器重点实验室,广西 桂林 541004
文献出处：
引用格式：
[1]黄新;郭晓敏-.具有双向增强特征结构的U型肺结节分割网络)[J].计算机工程与应用,2022(24):239-246
A类：
双向增强型特征金字塔网络
B类：
特征结构,肺结节分割,分割网络,割出,肺部结节,周围环境,Bi,UNet,bidirectional,enhanced,feature,pyramid,端到端,深度学习方法,编码器,解码器,一个双,network,EFPN,Mish,激活函数,梯度消失,公开数据集,LUNA16,Dice,相似系数,DSC,百分点,小目标
AB值：
0.245949
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
