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
针对现有方法对肝部医学影像分割上的不足,提出了一种用于对肝部医学影像进行分割的改进型U-Net结构。在上采样过程中只复制池化层特征,以减少信息丢失;同时引入残差网络对初步分割图像进行循环精炼,实现高层特征与低层特征的融合;利用对边界敏感的新型混合损失函数对图像进行细化处理,得到更为精确的分割结果。实验结果表明,肝脏图像和肝脏肿瘤图像的Dice系数分别为96.26%和83.32%。相比传统的U-Net,所提网络可以获得更高级的语义信息,进一步提高对肝脏和肝肿瘤图像的分割精度。
图像处理 图像分割 肝部医学图像分割 U-Net 残差优化模块 混合损失函数 激光与光电子学进展
2020, 57(22): 221003
