一种改进的双通道多尺度医学图像分割网络模型

摘要：

近年来,深度学习在医学图像处理中的应用越来越广泛.UNet作为医学图像分割的主要方法,虽然具备一定的优势,但在细节处理及精确度上仍不够理想.为了优化分割效果,本研究提出一种改进的UNet分割模型.该模型在UNet的网络架构基础上,使用残差连接代替编码器和解码器之间的跳跃连接;同时将编码器中卷积操作更改为双通道多尺度卷积,并在编码器中加入挤压激励块.在Kvasir-SEG、CVC-ClinicDB、ISIC2018三个数据集上的实验结果表明,该模型与其它几种UNet改进算法相比,分割精度有所提高.

关键词：卷积网络、多尺度、双通道、UNet、医学图像分割

所属期刊栏目：24

分类号：TP391.9(计算技术、计算机技术)

资助基金：福建省中青年教师教育科研项目;漳州职业技术学院校级科研课题

在线出版日期：2022-06-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：86-93