标题:面向医学图像分割的超像素U-Net 网络设计
作者:王海鸥; 刘慧; 郭强; 邓凯; 张彩明
作者机构:[王海鸥]山东财经大学计算机科学与技术学院;;山东省数字媒体技术重点实验室, ;;山东省数字媒体技术重点实验室, 济南;;济南, ;; 250014;;250014;[刘慧]山东财经 更多
通讯作者:Liu, Hui
通讯作者地址:[Liu, H] School of Computer Science and Technology, Shandong University of Finance and EconomicsChina;
来源:计算机辅助设计与图形学学报
出版年:2019
卷:31
期:6
页码:1007-1017
DOI:10.3724/SP.J.1089.2019.17389
关键词:超像素; 双边滤波; 卷积网络; 医学图像分割
摘要:近年来,超像素在医学图像处理领域的应用愈加广泛,现有的方法取得了较好的效果,如LAW,SLIC; 等.然而,这些方法在处理医学图像得到超像素时,位于组织边缘像素点的划分仍存在类别模糊问题.为此,提出一种基于 U-Net; 网络的超像素分割方法.首先,通过双边滤波模型过滤外部噪声,增强超像素信息;然后,结合U-Net 卷积网络学习图像特征.该方法为U-Net; 网络中每个特征尺度的卷积层后嵌入一个规范层,用于增强网络对参数的敏感性.实验结果表明,该方法有效提高了医学图像超像素的分割精度,与ground; truth 相比,其改善了超像素边缘分类的准确性,优化了超像素分割结果,在精确度、召回率、F-measure; 和分割速度等性能指标上均取得了更好的效果.
收录类别:EI;CSCD;SCOPUS
资源类型:期刊论文
原文链接:https://www.scopus.com/inward/record.uri?eid=2-s2.0-85072183669&doi=10.3724%2fSP.J.1089.2019.17389&partnerID=40&md5=249a5688d8a96560f2422aa72e6b0703
TOP