10.3969/j.issn.2095-2163.2024.01.015
基于AA-UNet的肝硬化辅助诊断系统
为准确地提取高频肝脏超声图像中的肝包膜,本文采用注意力门和空洞空间金字塔池化UNet(Attention gates and Atrous spatial pyramidal pooling UNet,AA-UNet)分割算法,对高频肝脏超声图像中的肝包膜进行识别,并根据肝包膜的物理形状判断肝硬化程度.首先,将数据增强后的高频肝脏超声图像送入网络模型进行训练;其次,将训练好的模型部署到肝硬化辅助诊断系统.实验结果表明,肝硬化辅助诊断系统能有效识别肝包膜区域并判断肝硬化程度.
超声图像、肝包膜、诊断系统、AA-UNet
14
TP391(计算技术、计算机技术)
上海市自然科学基金19ZR1421500
2024-01-31(万方平台首次上网日期,不代表论文的发表时间)
共4页
102-105