激光与光电子学进展, 2020, 57 (22): 221003, 网络出版: 2020-11-05   

基于混合损失函数的改进型U-Net肝部医学影像分割方法 下载: 2361次

Improved U-Net Based on Mixed Loss Function for Liver Medical Image Segmentation
作者单位
1 天津大学微电子学院, 天津 300072
2 天津市成像与感知微电子技术重点实验室, 天津 300072
引用该论文

黄泳嘉, 史再峰, 王仲琦, 王哲. 基于混合损失函数的改进型U-Net肝部医学影像分割方法[J]. 激光与光电子学进展, 2020, 57(22): 221003.

Yongjia Huang, Zaifeng Shi, Zhongqi Wang, Zhe Wang. Improved U-Net Based on Mixed Loss Function for Liver Medical Image Segmentation[J]. Laser & Optoelectronics Progress, 2020, 57(22): 221003.

引用列表
1、 融合注意力机制与残差可形变卷积的肝肿瘤分割方法激光与光电子学进展, 2023, 60 (12): 1210001
2、 基于U-Net++和对抗性学习网络的乳腺肿块分割激光与光电子学进展, 2022, 59 (16): 1617002
3、 基于跨路径特征聚合的改进型YOLOv3乳腺肿块识别算法激光与光电子学进展, 2022, 59 (4): 0410003
4、 U-Net模型改进及其在医学图像分割上的研究综述激光与光电子学进展, 2022, 59 (2): 0200005
6、 基于注意力机制与迁移学习的乳腺钼靶肿块分类激光与光电子学进展, 2021, 58 (4): 0410007

黄泳嘉, 史再峰, 王仲琦, 王哲. 基于混合损失函数的改进型U-Net肝部医学影像分割方法[J]. 激光与光电子学进展, 2020, 57(22): 221003. Yongjia Huang, Zaifeng Shi, Zhongqi Wang, Zhe Wang. Improved U-Net Based on Mixed Loss Function for Liver Medical Image Segmentation[J]. Laser & Optoelectronics Progress, 2020, 57(22): 221003.

本文已被 6 篇论文引用
被引统计数据来源于中国光学期刊网
引用该论文: TXT   |   EndNote

相关论文

加载中...

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!